一．Excel文件基础知识

工作簿（workbook）：Excel文档，后缀名常为.xls（旧版，Excel 2007以前）或者.xlsx（新版，Excel 2007以后，压缩版），一个工作簿可包含多个工作表。

工作表（worksheet）：工作簿中的单个表格，默认名为sheet1、sheet2等。

行（row）与列（column）：工作表中的横向的一行、纵向的一列。

单元格（cell）：表格中行与列的交叉部分，是组成表格的最小单位。

Excel的功能：进行数据的输入、编辑、排序、筛选，可利用公式和函数引用相应单元格进行计算，并且可以将选中的数据绘制图表等。

二．Python处理Excel文件的9个常用库，每个库都有其特点和适用场景

.xls文件的三老友——xlrd，xlwt和xlutils

1.xlrd库

简介：意为.xls文件read库，用来读取文件。xlrd 2.0.1版本以上的只支持.xls文件，若要用此库读取.xlsx文件，则需安装旧版本xlrd 1.2.0版本。

安装：pip install xlrd（若需指定版本则需加上版本号例如pip install xlrd==1.2.0）

主要功能：

（1）打开工作簿：

workbook = xlrd.open_workbook(filename)，其中filename是Excel文件的名字，一般使用相对路径；

（2）获取工作表：

workbook.sheet_by_index(0)或workbook.sheet_by_name('Sheet1')，分别通过表的索引或名称；

（3）获取工作表名称：

workbook.sheet_name()，获取工作簿中所有工作表的名称列表；

（4）读取单元格的值：

worksheet.cell_value()。

适用情景：只需要进行数据导入、数据预处理等读取操作，xlrd是合适的选择。

2.xlwt库

简介：与xlrd库相对应，意为.xls文件write库，用来写入新文件。xlwt只支持.xls文件。

安装：pip install xlwt

主要功能：

（1）创建工作簿和工作表：可以创建一个工作簿对象，并添加一个或多个工作表；

workbook = xlwt.Workbook(encoding = 'ascii')

worksheet = workbook.add_sheet('My Worksheet')

（2）写入数据：支持写入文本和数字到指定单元格；

worksheet.write(0, 0, label = 'Row 0, Column 0 Value')

（3）保存文件：将创建和编辑的Excel文件保存到磁盘，支持绝对路径和相对路径；

workbook.save('Excel_Workbook.xls')

（4）设置样式：包括设置字体、边框、对齐方式等，例如设置文本居中、调整列宽和行高。

适用情景：需要输出.xls文件，运行环境较旧，项目规模较小（单表不得超过65535行）。

3.xlutils库

简介：结合了xlrd和xlwt库的功能，打通了只读到可写，提供了对.xls文件进行读写、修改等常用操作。

安装：pip install xlutils（并且需要先安装过xlrd库和xlwt库）

主要功能：

（1）数据修改：将xlrd.Book复制，并转为可写的对象xlwt.Workbook，然后在现有.xls文件的基础上修改数据，并写入一个新的.xls文件，实现修改功能；

（2）数据拆分：xlutils.filter()，拆分、筛选数据并生成新文件；

（3）设置样式：xlutils.styles()，处理单元格样式信息；

适用情景：对于已有的.xls文件，想要追加或者修改数据时，xlrd和xlwt库单独使用无法完成任务，因此需要使用xlutils库。

专注于.xlsx文件的两剑客——openpyxl和XlsxWriter

4.openpyxl库

简介：用于.xlsx文件的读取、写入和修改。

安装：pip install openpyxl

主要功能：

（1）创建文件和写入数据：

wb = Workbook()

sheet = wb.active

sheet[‘A1’] = ‘姓名’

sheet[‘B1’] = ‘学号’

sheet.append([‘张三’,’1001’])

sheet.append([‘李四’,’1002’])

...

wb.save(‘学生表.xlsx’)

（2）读取文件和修改数据：

wb = load_workbook(‘成绩表.xlsx’)

sheet = wb[‘Sheet1’]

再for循环遍历表中数据

可用算法修改数据

wb.save(‘成绩表_new.xlsx’)

（3）单元格合并和样式设置

（4）插入图表

适用场景：对于.xlsx文件读写，需要精细控制文件的格式、处理复杂表头或多sheet数据、保留样式信息、插入图表或自动化生成格式化报表时，openpyxl是合适的选择。

5.XlsxWriter库

简介：与.xls的写入库xlwt功能类似，专注于.xlsx新文件的写入，不能修改已有文件的数据。

安装：pip install XlsxWriter

主要功能：

（1）创建文件和写入数据：

xlsxwriter.Workbook()，创建工作簿；

workbook.add_worksheet()，添加工作表；

worksheet.write()，写入数据；

（2）写入公式和插入图表：

worksheet.write方法写入公式，如=SUM(B2:B5)；

workbook.add_chart创建图表，支持多种图表类型；

（3）设置格式：

workbook.add_format()，创建格式对象；

worksheet.set_row()和worksheet.set_column()，设置行高和列宽；

（4）合并单元格：

worksheet.merge_range()；

（5）插入图片：

worksheet.insert_image()。

适用情景：针对.xlsx文件的写入，在数据报表生成、数据分析和可视化方面有广泛应用。比其他类似库支持更多的Excel特性，对Excel生成的文件具有很高的保真度，并且在处理大文件时可以配置为使用少的内存。

兼容.xls和.xlsx的全能王——xlwings，win32com，DataNitro

6.xlwings库

简介：用于在Excel和Python之间交互的库，能进行文件的读写、复杂运算和自动化任务等。

安装：pip install xlwings

主要功能：

（1）读取文件，将数据转为Python数据结构：

app = xw.App(visible=False, add_book=False)

wb =app.books.open(文件名)或Book(文件名)打开文件；

sheet = wb.sheets[index]或sheet =wb.sheets['sheet名']访问工作表；

data = sheet.range('A1').expand().value读取数据；

app.quit()退出Excel应用程序；

（2）将Python中的数据写入到Excel文件：

List1 = [1, 2, 3, 4, 5]

Sht = xw.Book().sheets('sheet1') 新增一个表格；sht.range('A1').options(transpose=True).value = list1通过一维列表配合特定options参数写入一列数据；

（3）VBA集成（.xlsm文件）：

wb.macro()函数调用VBA宏；

（4）自动化操作：

通过代码控制Excel界面行为，设置单元格格式，插入图表；

（5）开发Excel插件：

将脚本封装为自定义功能区按钮，让非编程用户通过点击按钮运行Python脚本。

适用情景：通过xlwings，用户可以将Python中的数据分析工具（如Pandas、Numpy）与Excel无缝集成，实现高效的数据处理和分析；需要使用VBA宏的场景；以及自动化生成报表。

7.win32com库

简介：win32com是pywin32库的一部分模块，用于Python脚本与Windows COM组件交互。

win32com库允许Python代码直接操作Windows应用程序，如Excel、Word等，而不需借助VBA。

安装：pip install pywin32（在Windows系统中，由于xlwings库依赖于pywin32库，所以如果已经安装了xlwings，则已自动安装过）

主要功能：

（1）批量读写数据：

xlApp = Dispatch('Excel.Application')

xlApp.Visible = True

xlApp.Workbooks.Add()

xlSheet = xlApp.Sheets(1)

xlSheet.Cells(1, 1).Value = 'Hello from Python!'

（2）公式计算：

excel = win32.Dispatch('Excel.Application')

wb = excel.Workbooks.open('test.xlsx')

ws = wb.Worksheets('Sheet1')

ws.Range('E1:E10').Formula = '=SUM(A1:D1)'

wb.Save()

wb.Close()

（3）生成图表；

（4）报表批量导出。

适用情景：适用于需要在Windows环境下操作Office组件、处理特定文档格式、进行办公自动化以及与Windows系统组件交互的场景。

8.DataNitro库

简介：支持.xls，.xlsx文件的读写的内嵌插件（需要收费，略过）。

擅长数据分析的功夫熊猫——pandas

9.pandas库

简介：用于数据处理与分析的一个强大库，提供了类似Excel表格的数据结构，主要数据结构是Series（一维数据）与DataFrame（二维数据），它们可以用来处理多种类型的数据，包括时间序列数据和结构化数据等，方便用户进行数据的存储、查询和操作。

安装：pip install pandas

主要功能：

（1）数据读取与写入：

df = pd.read_excel(filename)，读取文件；

df.to_excel('output.xlsx', sheet_name='Sheet1', index=False)，写入数据；

（2）数据清洗：

cleaned_data = data.dropna()，删除含有缺失值的号；

unique_data = data.drop_duplicates()，去重；

（3）数据类型转换：

df['列名'] = df['列名'].astype('int64')，将该列转换成整型；

（4）数据过滤与筛选：

filtered_data = data[data[‘列名’]>value]，筛选出某列大于某特定值的行；

（5）数据排序：

sorted_data = data.sort_values(by='成绩')，按照成绩排序；

（6）数据的分组与聚合：

grouped_data = data.groupby(‘班级’)[‘成绩’].mean()，按“班级”分组，并计算成绩均值；

（7）数据的合并与连接：

merged_data = pd.merge(data1, data2, on=’common_column’)，根据功能的列进行连接；

（8）数据统计分析：可以计算各种统计量，如均值、方差、相关系数等；

（9）数据重塑：结合melt和pivot等操作；

（10）时间序列分析：支持时间索引、时间切片和重采样等操作。使用rolling()方法可以进行移动平均、移动标准差等计算，适用于金融数据分析；

（11）数据可视化：pandas本身并不直接提供可视化功能，但它可以与Matplotlib和Seaborn等Python库无缝集成，允许用户快速创建各种图表和可视化。

适用情景：适合处理小到中等规模的数据，尤其是在数据清洗、处理和分析过程中。

三．总结（只总结免费的8个库）

1.不同运行环境下各个库的适用性如下表：

（✔表示适用，❓表示可能有兼容问题，✖表示不适用）

2.不同Excel文件类型各个库的适用性如下表：

（✔表示适用，❓表示可能有兼容问题，✖表示不适用）