Python处理Excel文件的实用姿势

真正的勇士，敢于直面银行卡上的余额，敢于正视磅秤上的数字。

表格数据是最常见的数据类型，Excel是日常办公中最常接触的文件。

上一章提过Python可以通过openpyxl模块处理Excel文件。

其实Python处理Excel的三方模块主要有这几个：

1. xlrd、xlwt和xlutils，支持读写Excel文件。

2. openpyxl，支持读写和修改OpenXML格式的Excel文件。

3. xlswriter，支持写文件，以及更多Excel功能特性。

4. pandas，底层依赖xlrd和xlwt读写Excel文件，处理数据神器。

5. pywin32，调用Win32 API操作文件，只适用于Windows。

6. xlwings，可理解为pywin32的多平台加强版，有商业版支持。

简单做个对比分析：

• 第1类中3个模块，属于同一作者的开源项目，目前已停更，不建议直接使用。
• pywin32和xlwings基于原生Excel软件提供服务，需提前安装软件，读写性能和功能最佳，xlwings还有商业版本支持。
• pandas侧重数据分析，Excel文件读写只是其数据输入和输出部分。
• openpyxl不需要依赖Excel功能，直接读写OpenXML内容，兼容性好。
• xlswriter侧重写Excel文件，支持VBA等更多特性。

建议的使用场景：

1. 如果企业内大量使用Excel，并用了很多如VBA宏的特性，建议用xlwings。一方面功能全，另一方面可以采买商业付费版支持。

2. 对于普通Excel文件自动处理，建议用openpyxl，大部分情况下够用。

3. GB级以下的数据分析，建议用pandas，后续会单独出一个数据分析系列来介绍它。

本文重点介绍openpyxl的使用，它足够应付大部分人日常的表格自动化处理场景。

日常处理Excel文件，最常见的应用场景有3类：

• 读写Excel文件
• 合并、分割文档数据
• 报表自动化，批量生成图表

模块安装：pip install openpyxl

基本使用

Excel表格文件中主要元素有这几个：

• sheet（工作表）：一个Excel文件可以有多个sheet。
• row/col（行和列），iter_rows()和iter_cols()可以返回所有行和列。
• cell（单元格）：和Excel一样用sheet['A1']表示，注意行列都以1开始。
• formulae（公式）：可以为单元格设置计算公式，和Excel概念一致。
• charts（图表）：比如饼图、柱状图等。
• style（样式）：支持自定义样式，以及条件格式化等。
• image（图片），支持pillow的图像处理。

打开Excel文件

import pathlib
import datetime
from openpyxl import load_workbook

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')
in_path = path.joinpath('input.xlsx')
wb = load_workbook(in_path, read_only=True)
for name in wb.sheetnames:
    ws = wb[name]
    print(f'{name} 表有 {ws.max_row-ws.min_row+1} 行, {ws.max_column-ws.min_column+1} 列.')

读取Excel文件内的数据

import pathlib
import datetime
from openpyxl import load_workbook

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')
in_path = path.joinpath('input.xlsx')
wb = load_workbook(in_path)
ws = wb[wb.sheetnames[0]] # 第一个工作表
# 操作单列
for cell in ws["A"]:
    print(cell.value)
# 操作单行
for cell in ws["1"]:
    print(cell.value, end='\t')
# 操作多列
for column in ws['A:C']:
    for cell in column:
        print(cell.value)
# 操作多行
for row in ws['1:3']:
    for cell in row:
        print(cell.value, end='\t')
    print()
# 指定范围
for row in ws['A1:C3']:
    for cell in row:
        print(cell.value)
# 所有行
for row in ws.iter_rows():
    for cell in row:
        print(cell.value)
# 所有列
for column in ws.iter_cols():
    for cell in column:
        print(cell.value)

创建Excel文件

import pathlib
import datetime
from openpyxl import Workbook

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')
out_path = path.joinpath('004excel_basic.xlsx')
sheet_path = path.joinpath('004excel_sheet.xlsx')
wb = Workbook()
ws = wb.active # 找当前Sheet
ws['A1'] = 42
ws.append([1, 2, 3]) # 添加行
ws['A2'] = datetime.datetime.now()
wb.save(out_path)
# 创建第二个sheet
wb.create_sheet('sheet2')
ws = wb['sheet2']
ws.title = '第二个工作表'
ws.sheet_properties.tabColor = "FF0000"
# 增加一整行数据
ws.append([1, 2, 3, datetime.datetime.now()])
ws.cell(row=1, column=3, value=10)
# 获取cell方式一
d1 = ws.cell(row=1, column=4)
# 获取cell方式二
d2 = ws['D1']
print(d1==d2)
print(type(d2.value))
wb.save(sheet_path)

设置单元格样式

单元格样式可以用NumberFormat（数据格式）、Alignment（对齐）、Font（字体）、Border（边框）、PatternFill（填充）、Protection（保护）等来设置。

也可以通过NamedStyle自定义样式，重复应用到单元格。

此外，通过row_dimensions和column_dimensions可以设置整行/整列的样式。

import pathlib
import datetime
from openpyxl import Workbook
from openpyxl.styles import numbers, Font, GradientFill, PatternFill, Border, Side, Alignment, Protection
from openpyxl.styles import NamedStyle

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')
out_path = path.joinpath('004excel_style.xlsx')
wb = Workbook()
ws = wb.active
ws.cell(row=1, column=1, value='微软雅黑').font = Font(name='微软雅黑', size=18, bold=True, color='123456')
ws.cell(row=2, column=1, value='居中对齐').alignment = Alignment(horizontal='center', vertical='center')
ws.cell(row=3, column=1, value='填充渐变色').fill = GradientFill(stop=['FF0000', '0000FF'])
ws.cell(row=4, column=1, value='设置边线').border = Border(left=Side(border_style='thin', color='123456'), right= Side(border_style='thick', color='FF0000'))
ws.cell(row=5, column=1, value='受保护的').protection = Protection(locked=True, hidden=True)
ws.cell(row=6, column=1, value=0.88).number_format =numbers.FORMAT_PERCENTAGE
ws.column_dimensions['A'].width = 80 # 修改列宽
# 设置整行
row = ws.row_dimensions[4]
row.font = Font(name='宋体', size=30, italic=True, color='FF0000')
# 设置整列
column = ws.column_dimensions["B"]
column.fill = PatternFill("solid", fgColor="1874CD")
# 自定义样式
my_style = NamedStyle(name='my_style',
                           font=Font(name='宋体',size=12, color='FF000000'),
                           fill=PatternFill(fill_type='solid', fgColor="FFDAB9"),
                           border=Border(top=Side(border_style='thin', color='FF000000')),
                           alignment=Alignment(horizontal='left',vertical='center'))
ws['B4'] = '自定义样式'
ws['B4'].style=my_style
wb.save(out_path)

合并单元格

• 合并单元格：merge_cells()
• 解除合并：unmerge_cells()

注意：对于没有合并过单元格的位置调用unmerge_cells()会出错；此外合并的单元格顺序是从左上角到右下角。

import pathlib
import datetime
from openpyxl import Workbook
from openpyxl.styles import numbers, Font, GradientFill, Border, Side, Alignment, Protection

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')
out_path = path.joinpath('004excel_cell_merge.xlsx')

wb = Workbook()
ws = wb.active
# 合并,必须是从左上角，到右下角的顺序
ws.merge_cells('A3:D5')
ws.merge_cells('A7:D10')
# 合并后以起点为代表读写值，其他的cell都被设置为只读
ws['A3']='test'
# 解除合并
ws.unmerge_cells('A7:D10')
# 也可以用起止行列数字来选取合并区域
ws.merge_cells(start_row=12,start_column=11,end_row=15,end_column=14)
ws['K12']='合并过'
ws.unmerge_cells(start_row=12,start_column=11,end_row=15,end_column=14)
wb.save(out_path)

图表和公式应用

openpyxl支持的图表都在openpyxl.chart包中，比如直方图、饼图、折线图等。

可以直接把单元格的值设置为公式，在Excel软件中可以获得结果，但openpyxl并不支持公式的计算。

如果生成的xlsx文件被Excel软件打开过，这时公式的计算结果会缓存在文件中，这时用openpyxl打开文件时候，增加一个data_only=True参数，也可以读取到计算结果。

import pathlib
import datetime
from openpyxl import Workbook
from openpyxl.chart import BarChart, PieChart, LineChart, Reference

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')
out_path = path.joinpath('004excel_graph.xlsx')
wb = Workbook()
ws = wb.active
# 装载数据
data = [
    ('月份', '产品A销量', '产品B销量'),
    (1, 100, 200),
    (2, 106, 100),
    (3, 120, 200),
    (4, 180, 100),
    (5, 200, 300),
    (6, 280, 400),
    (7, 400, 200),
    (8, 500, 800),
    (9, 600, 1000),
    (10, 800, 300),
]
for d in data:
    ws.append(d)
# 用Python做些统计
ws['A12'] = '汇总累加'
ws['B12'] = sum([d[1] for i, d in enumerate(data) if i > 0])
ws['C12'] = sum([d[2] for i, d in enumerate(data) if i > 0])
# 用公式统计
ws['A13'] = '公式累加'
ws['B13'] = '=SUM(B2:B11)'
ws['C13'] = '=SUM(C2:C11)'
# 增加一列总销量
ws['D1'] = '当月总销量'
for i in range(2, 13):
    ws[f'D{i}'] = ws[f'C{i}'].value + ws[f'B{i}'].value
# 列状图
ct_bar= BarChart()
ct_bar.type = "col" # 列状图
ct_bar.style = 10
ct_bar.title = "销量柱状图"
ct_bar.y_axis.title = '销量'
ct_bar.x_axis.title = '月份'
d_ref = Reference(ws, min_col=2, min_row=1, max_row=11, max_col=3)
series = Reference(ws, min_col=1, min_row=2, max_row=11)
ct_bar.add_data(d_ref, titles_from_data=True)
ct_bar.set_categories(series)
ws.add_chart(ct_bar, 'A15')
# 饼图
ct_pie = PieChart()
ct_pie.title = "产品销量占比"
d_ref = Reference(ws, min_col=2, min_row=12, max_col=3)
series = Reference(ws, min_col=2, min_row=1, max_col=3)
ct_pie.add_data(d_ref, titles_from_data=True)
ct_pie.set_categories(series)
ct_pie.splitType='val'
ws.add_chart(ct_pie, 'I15')
# 一个图两个轴
ct_bar = BarChart()
d_ref = Reference(ws, min_col=2, min_row=1, max_row=11, max_col=3)
ct_bar.add_data(d_ref, titles_from_data=True)
ct_bar.x_axis.title = '月份'
ct_bar.y_axis.title = '产品AB销量'
ct_bar.y_axis.majorGridlines = None
ct_bar.title = '销量分析'
ct_line = LineChart()
d_ref = Reference(ws, min_col=4, min_row=1, max_row=11)
ct_line.add_data(d_ref, titles_from_data=True)
ct_line.y_axis.axId = 200 # 不为空即可
ct_line.y_axis.title = '总销量'
# 让线条和第一图的最大值相交
ct_line.y_axis.crosses = 'max'
ct_bar += ct_line # 只支持+=赋值，不能直接+
ws.add_chart(ct_bar, 'A31')
wb.save(out_path)

插入图像

openpyxl的图像处理基于PIL.Image。

PIL.Image的宽和高单位默认使用Pixel（像素），如果需要映射到Excel中的位置，可以用pixels_to_EMU()转换。

import pathlib
from openpyxl import Workbook, load_workbook
from openpyxl.drawing.image import Image
from openpyxl.drawing.spreadsheet_drawing import AbsoluteAnchor
from openpyxl.drawing.xdr import XDRPoint2D, XDRPositiveSize2D
from openpyxl.utils.units import pixels_to_EMU as p2e

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/004excel')
out_path = path.joinpath('004excel_image.xlsx')
img_path = path.joinpath('image.jpg')
wb = Workbook()
ws = wb.active
img = Image(img_path)
img.width /= 2
img.height /= 2
h, w = img.height, img.width
# 绝对定位图片
position = XDRPoint2D(p2e(800), p2e(800))
size = XDRPositiveSize2D(p2e(h), p2e(w))
img.anchor = AbsoluteAnchor(pos=position, ext=size)
ws.add_image(img)
# 单元格定位
img = Image(img_path)
size = (90, 90)
img.width, img.height = size
ws.row_dimensions[3].height=90
ws.column_dimensions['B'].width=90
ws.add_image(img, 'B3')
wb.save(out_path)

总结

本文主要介绍了使用openpyxl模块处理Excel文件，包括基本的Excel文件读写、单元格样式处理、图表生成和图像结合等。

用Excel应对日常工作中的小规模数据足以。

比如实践应用中有一个“多门店加盟品牌数据统计”的案例，其中正好用到了上面的各项知识点。

案例说明：

• 以Python和openpyxl应用实践为主。
• 提供解决问题思路，实战中可直接应用。
• 后续“数据分析专题”会介绍Pandas等数据分析工具，一个实战应用更灵活的模块。

想了解的可以入群获取，前100名免费。