excel数据导入python后不对齐_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：xlrd、xlwt和xlutils，支持读写Excel文件。

openpyxl，支持读写和修改OpenXML格式的Excel文件。

xlswriter，支持写文件，以及更多Excel功能特性。

pandas，底层依赖xlrd和xlwt读写Excel文件，处理数据神器。

pywin32，调用Win32 API操作文件，只适用于Windows。

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：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。

对于普通Excel文件自动处理，建议用openpyxl，大部分情况下够用。

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。