Python和Excel的完美结合的常用操作案例汇总-猿码集

Python和Excel的完美结合的常用操作案例汇总

1. 使用Python读取和写入Excel文件

1.1 读取Excel文件

Python的pandas库提供了一种简单的方法来读取和操作Excel文件，可以使用read_excel()方法来读取Excel文件：

import pandas as pd
# 读取Excel文件
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
# 打印前5行
print(df.head())

在这个示例中，我们使用了pandas的read_excel()方法来读取名为example.xlsx的Excel文件中的Sheet1工作表。

1.2 写入Excel文件

可以使用pandas的to_excel()方法来把Python数据写入Excel的工作表中：

import pandas as pd
# 创建要写入Excel的数据
data = {
  'Name': ['Tom', 'Jerry', 'Mickey'],
  'Age': [23, 32, 28],
  'Country': ['USA', 'UK', 'Germany']
}
df = pd.DataFrame(data)
# 把数据写入Excel文件
df.to_excel('example.xlsx')

在这个示例中，我们创建了一个名为data的Python字典，使用pandas的DataFrame来建立数据帧对象，并且把这个数据帧对象写入名为example.xlsx的Excel文件中。

2. 使用Python操作Excel中的工作表

2.1 选择工作表

可以使用pandas的read_excel()方法来读取Excel文件中的指定工作表；或者可以在使用pandas的ExcelWriter()方法时指定要写入的工作表：

import pandas as pd
# 读取Excel文件中的指定工作表
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
# 使用ExcelWriter()方法，在指定工作表中写入数据
with pd.ExcelWriter('example.xlsx') as writer:
  df1.to_excel(writer, sheet_name='Sheet1')
  df2.to_excel(writer, sheet_name='Sheet2')

在这个示例中，我们使用read_excel()方法来读取example.xlsx文件中的Sheet1工作表，使用ExcelWriter()方法来打开这个文件，同时把两个数据帧（df1和df2）写入各自的工作表。

2.2 重命名工作表

可以使用pandas的ExcelWriter()方法来重命名Excel文件中的工作表：

import pandas as pd
# 使用ExcelWriter()方法来重命名工作表
with pd.ExcelWriter('example.xlsx') as writer:
  df.to_excel(writer, sheet_name='Sheet1')
  writer.sheets['Sheet1'].name = 'Data Sheet'

在这个示例中，我们使用ExcelWriter()方法来向名为example.xlsx的Excel文件中写入数据帧，并且在写入之后，使用writer.sheets['Sheet1'].name属性来重命名工作表名称

2.3 追加数据到工作表

可以使用pandas的ExcelWriter()方法来向现有的工作表追加数据：

import pandas as pd
# 向现有的工作表追加数据
with pd.ExcelWriter('example.xlsx', mode='a') as writer:
  df.to_excel(writer, sheet_name='Sheet1')

在这个示例中，我们使用ExcelWriter()方法在append模式下打开example.xlsx文件，并且使用to_excel()方法把数据帧写入Sheet1工作表中。

3. 使用Python对Excel文件中的数据进行分析和操作

3.1 查找Excel文件中的最大值和最小值

可以使用pandas的read_excel()方法来读取Excel文件中的数据，然后使用max()和min()函数查找最大值和最小值：

import pandas as pd
# 读取Excel文件中的数据
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
# 查找最大值和最小值
print('最大值: ', df['Age'].max())
print('最小值: ', df['Age'].min())

在这个示例中，我们使用read_excel()方法读取example.xlsx文件中的Sheet1工作表，使用max()和min()函数分别查找Age列中的最大值和最小值。

3.2 计算Excel文件中的平均值和总和

可以使用pandas的read_excel()方法来读取Excel文件中的数据，然后使用mean()和sum()函数计算平均值和总和：

import pandas as pd
# 读取Excel文件中的数据
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
# 计算平均值和总和
print('平均值: ', df['Age'].mean())
print('总和: ', df['Age'].sum())

在这个示例中，我们使用read_excel()方法读取example.xlsx文件中的Sheet1工作表，使用mean()和sum()函数分别计算Age列中的平均值和总和。

3.3 查找Excel文件中的重复值

可以使用pandas的read_excel()方法来读取Excel文件中的数据，然后使用duplicated()函数来查找重复值：

import pandas as pd
# 读取Excel文件中的数据
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
# 查找重复值
duplicated_values = df[df.duplicated(['Name'])]
print(duplicated_values)

在这个示例中，我们使用read_excel()方法读取example.xlsx文件中的Sheet1工作表，使用duplicated()函数来查找Name列中的重复值。

3.4 修改Excel文件中的数据

可以使用pandas的ExcelWriter()方法把修改后的数据帧写回Excel文件中：

import pandas as pd
# 读取Excel文件中的数据
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
# 修改数据
df.loc[2, 'Age'] = 30
# 把修改后的数据写回Excel文件 
with pd.ExcelWriter('example.xlsx') as writer:
  df.to_excel(writer, sheet_name='Sheet1')

在这个示例中，我们使用read_excel()方法读取example.xlsx文件中的Sheet1工作表，修改了第3行（索引为2）Age列的数值为30，然后使用ExcelWriter()方法把修改后的数据帧写回到example.xlsx文件的Sheet1工作表中。

结论

Python和Excel的完美结合可以为数据分析和处理提供强有力的支持。通过使用Python在Excel文件中读取和写入数据，我们可以轻松地操作和分析Excel文件中的数据。对于数据科学家和分析师来说，这是一个非常便捷和有效的方法，可以用来提高他们的工作效率。