Python 玩转 Excel 案例【第 24 期】：Excel数据追加，保留原始数据
📌 案例说明
在实际工作中，我们经常需要定期向同一个Excel模板追加新数据，而不是每次都从头覆盖。比如：
本案例演示如何自动识别模板中已有的数据行，将新数据追加到末尾，同时保持列映射的灵活性（数据文件的列顺序可以与模板不同）。
模板文件（模板.xlsx）：
数据文件（销售数据.xlsx）：
需求：将数据文件中的44行数据追加到模板末尾，通过表头匹配自动对应列，不管数据文件的列顺序如何。
核心操作：
关键库：pandas、openpyxl
📜 完整代码
"""
Excel模板填充工具 - 数据追加
功能：向模板末尾追加新数据，自动识别最后一行
适用：需要多次追加数据的场景
"""
import pandas as pd
from openpyxl import load_workbook
# 配置
TEMPLATE = "模板.xlsx"
DATA_FILE = "销售数据.xlsx"
OUTPUT = "追加数据后.xlsx"
# 1. 读取数据
df = pd.read_excel(DATA_FILE)
rows = len(df)
print(f"读取数据: {rows}行")
# 2. 加载模板
wb = load_workbook(TEMPLATE)
ws = wb.active
# 3. 从下往上找最后一个有数据的行
START_ROW = 2
for row in range(ws.max_row, START_ROW - 1, -1):
if any(cell.value is not None for cell in ws[row]):
last_row = row
break
else:
last_row = START_ROW - 1
print(f"模板现有数据: 最后一行是第{last_row}行")
# 4. 确定数据写入的起始行
write_start_row = last_row + 1
print(f"新数据将从第{write_start_row}行开始写入")
# 5. 获取列映射（根据表头找到对应的列）
headers = [cell.value for cell in ws[1]]
col_map = {}
for idx, header in enumerate(headers, start=1):
if header in df.columns:
col_map[header] = idx
print(f"列映射: {col_map}")
# 6. 追加写入新数据
print("追加写入新数据...")
for i, row in df.iterrows():
target_row = write_start_row + i
for col_name, col_idx in col_map.items():
value = row[col_name]
if not pd.isna(value):
ws.cell(row=target_row, column=col_idx, value=value)
print(f"数据写入完成，共 {rows} 行")
# 7. 保存
wb.save(OUTPUT)
print(f"完成！→ {OUTPUT}")
print(f"追加数据范围: 第{write_start_row}行 到 第{write_start_row + rows - 1}行")
运行结果（追加数据后.xlsx）：
💡 结果：模板原有的1行数据被保留，新追加的44行数据从第3行开始写入，共计45行数据。
第一步：导入所需库
import pandas as pd
from openpyxl import load_workbook
库说明：
- •
openpyxl
操作模板，支持读写Excel文件
第二步：读取数据
df = pd.read_excel(DATA_FILE)
rows = len(df)
功能说明：
- •
pd.read_excel()
读取 Excel 文件，返回 DataFrame 对象 - •
len(df)
获取 DataFrame 的行数（数据条数）
输出结果：
读取数据: 44行
数据文件结构
数据文件的列顺序与模板不同：
这正是本案例需要列映射的原因——数据文件的列顺序是任意的，必须通过表头名称进行匹配。
第三步：加载模板
wb = load_workbook(TEMPLATE)
ws = wb.active
代码解析：
- •
load_workbook(TEMPLATE)
打开指定路径的 Excel 文件，返回 Workbook 对象（代表整个工作簿） - •
wb.active
获取当前激活的工作表，返回 Worksheet 对象（代表具体的 Sheet）
Workbook 对象常用操作：
- •
wb.sheetnames
获取所有工作表名称列表 - •
wb["Sheet1"]
通过名称获取指定工作表 - •
wb.save(OUTPUT)
保存工作簿到文件
Worksheet 对象常用操作：
- •
ws.max_column：获取有数据的最大列号 - •
ws.cell(row, column)：获取指定单元格
模板结构：
第四步：查找最后一个有数据的行
START_ROW = 2
for row in range(ws.max_row, START_ROW - 1, -1):
if any(cell.value is not None for cell in ws[row]):
last_row = row
break
else:
last_row = START_ROW - 1
为什么要从下往上找？
Excel 工作表可能存在空单元格夹杂在数据中间的情况。从最后一行倒序查找，第一个遇到的非空行就是真正的最后一条数据所在行。
倒序查找逻辑：
列号: 1 2 3 4 5
A B C D E
行号: ┌────┬────┬────┬────┬────┐
1 │日期│产品│销售│单价│数量│ ← 表头行（跳过）
├────┼────┼────┼────┼────┤
2 │1/1 │手机│张三│5000│ 5 │ ← 有数据（last_row = 2）
├────┼────┼────┼────┼────┤
3 │ │ │ │ │ │ ← 空行
├────┼────┼────┼────┼────┤
4 │ │ │ │ │ │ ← 空行
└────┴────┴────┴────┴────┘
遍历过程：
any() 函数的作用
any(cell.value is not None for cell in ws[row])
拆解分析：
- •
ws[row]：获取第 row 行的所有单元格，返回一个元组，如 (A2单元格, B2单元格, C2单元格, D2单元格, E2单元格) - •
for cell in ws[row]：遍历这行中的每一个单元格对象 - •
cell.value is not None：判断单元格的值是否不为空（None） - • 外层
any()：对遍历产生的多个布尔值进行"或"运算
any() 的执行逻辑：
# 假设第2行的值
values = ["2024/1/1", "手机", "张三", 5000, 5]
# any() 等价于：
result = (values[0] is not None) or (values[1] is not None) or ... or (values[4] is not None)
# 结果：True
短路特性：
# any() 从左到右检查，遇到第一个 True 就立即返回 True，不再继续检查
any([False, False, True, 停止检查, 不再执行])
一句话总结：any(cell.value is not None for cell in ws[row]) 判断该行是否至少有一个非空单元格。只要有一个单元格有值，就认为这行有数据。
range(ws.max_row, START_ROW - 1, -1) 参数详解
range(ws.max_row, START_ROW - 1, -1)
参数说明：
- •
start = ws.max_row：从最大行号开始（如1048576） - •
stop = START_ROW - 1：在 START_ROW - 1 处停止（不包含）
range() 的左闭右开特性：
range(start, stop, step) 生成的序列包含 start，不包含 stop。
当 START_ROW = 2 时：
- • 生成的序列：
max_row, max_row-1, max_row-2, ..., 3, 2 - • 包含第
max_row 行，包含第 2 行，不包含第 1 行
为什么要设置 stop = 1？
因为要排除第1行（表头行），即使表头有值也不能作为数据行处理。设置 stop = 1 后，循环到第2行就结束，第1行被排除在外。
一句话总结：range(max_row, START_ROW-1, -1) 从最后一行倒序遍历到第2行（含），不包含第1行。
for...else 结构解析
for row in range(ws.max_row, START_ROW - 1, -1):
if any(cell.value is not None for cell in ws[row]):
last_row = row
break
else:
last_row = START_ROW - 1
核心规则（两种情况）：
- •
if条件满足，break 跳出整个 for 循环，同时跳过else 子句 - • 循环正常结束（没有被
break 中断）时，执行 else 子句
Python 特有语法：for 和 while 都可以跟 else，这是 C、Java、JavaScript 中没有的特性。
场景分析：
| | | else | last_row |
|---|
| | | | |
| | | | START_ROW - 1 |
示例：模板只有表头，无数据行
- • 循环遍历每一行，全部为空 →
if 条件始终为 False → 永远不会执行 break - • 循环正常结束后，进入
else 子句，设置 last_row = 1 - • 后续计算
write_start_row = last_row + 1 = 2，数据从第2行开始写入 ✅
第五步：确定数据写入起始行
write_start_row = last_row + 1
print(f"新数据将从第{write_start_row}行开始写入")
计算公式：
写入起始行 = 最后数据行 + 1
输出示例：
模板现有数据: 最后一行是第2行
新数据将从第3行开始写入
第六步：建立列映射
headers = [cell.value for cell in ws[1]]
col_map = {}
for idx, header in enumerate(headers, start=1):
if header in df.columns:
col_map[header] = idx
为什么要建立列映射？
模板和数据文件的列顺序可能不同：
如果按固定位置写入（第1列写第1列），数据就会错位。通过表头名称匹配，可以确保：
- • 模板的"产品名称"列 ← 数据文件的"产品名称"列
- • 模板的"销售员"列 ← 数据文件的"销售员"列
enumerate(headers, start=1) 的作用
headers = ["日期", "产品名称", "销售员", "单价", "数量"]
enumerate(headers, start=1) 生成：
start=1 让索引从1开始，直接对应 Excel 的列号（A=1, B=2...）。
列映射结果
col_map = {
"日期": 1, # 模板A列
"产品名称": 2, # 模板B列
"销售员": 3, # 模板C列
"单价": 4, # 模板D列
"数量": 5 # 模板E列
}
输出示例：
列映射: {'日期': 1, '产品名称': 2, '销售员': 3, '单价': 4, '数量': 5}
if header in df.columns 的作用
只映射同时在模板和数据文件中都存在的列，避免：
- • 模板中的列在数据文件中不存在 → 跳过，不会报错
- • 数据文件中的列在模板中不存在 → 不会出现在映射中，不会被写入
第七步：追加写入新数据
for i, row in df.iterrows():
target_row = write_start_row + i
for col_name, col_idx in col_map.items():
value = row[col_name]
if not pd.isna(value):
ws.cell(row=target_row, column=col_idx, value=value)
df.iterrows() 逐行遍历
for i, row in df.iterrows():
iterrows() 的作用：遍历 DataFrame 的每一行，返回 (索引, 行数据)。row 是一个 Series 对象，可以像字典一样通过列名取值。
示例：
| |
|---|
| row["产品名称"] → "充电器"
row["日期"] → "2024/1/1"
row["单价"] → 6560
row["销售员"] → "王五"
row["数量"] → 4 |
| row["产品名称"] → "智能手表"
row["日期"] → "2024/1/2"
row["单价"] → 9738
row["销售员"] → "王五"
row["数量"] → 18 |
取值方式：
- •
row.列名（也支持，但不推荐，容易与 Series 方法冲突）
目标行号计算
target_row = write_start_row + i
当 write_start_row = 3 时：
col_map.items() 遍历解析
for col_name, col_idx in col_map.items():
value = row[col_name]
col_map 的内容：
col_map = {
"日期": 1,
"产品名称": 2,
"销售员": 3,
"单价": 4,
"数量": 5
}
col_map.items() 的作用：
返回字典的键值对视图，每个元素是一个元组 (键, 值)。
list(col_map.items())
# [("日期", 1), ("产品名称", 2), ("销售员", 3), ("单价", 4), ("数量", 5)]
循环过程：
遍历 col_map 的每一对键值，依次执行：
- 1.
col_name = "日期"，col_idx = 1
→ value = row["日期"]
→ 写入 ws.cell(row=target_row, column=1) - 2.
col_name = "产品名称"，col_idx = 2
→ value = row["产品名称"]
→ 写入 ws.cell(row=target_row, column=2) - 3.
col_name = "销售员"，col_idx = 3
→ value = row["销售员"]
→ 写入 ws.cell(row=target_row, column=3) - 4.
col_name = "单价"，col_idx = 4
→ value = row["单价"]
→ 写入 ws.cell(row=target_row, column=4) - 5.
col_name = "数量"，col_idx = 5
→ value = row["数量"]
→ 写入 ws.cell(row=target_row, column=5)
核心逻辑：
- •
col_name 作为桥梁：先从 row 中通过列名取出数据（row[col_name]），再写入到模板对应的列位置（col_idx） - • 这样做的好处是：无论数据文件的列顺序如何，都能正确匹配到模板的列
示意图：
row (数据文件一行)
├── row["产品名称"] = "充电器" ──→ 写入第2列 (B列)
├── row["日期"] = "2024-01-01" ──→ 写入第1列 (A列)
├── row["单价"] = 6560 ──→ 写入第4列 (D列)
└── ...
col_map 自动处理顺序转换
pd.isna() 判断空值
if not pd.isna(value):
cell.value = value
- •
pd.isna(value) 返回 True 的情况：None、NaN、NaT（时间空值）
ws.cell() 写入单元格
ws.cell(row=target_row, column=col_idx, value=value)
参数说明：
- •
column：列号（从1开始），如 2 表示第2列（B列）
一句话总结：ws.cell(row, column, value) 将 value 写入第 row 行、第 column 列的单元格。
第八步：保存文件
wb.save(OUTPUT)
print(f"完成！→ {OUTPUT}")
print(f"追加数据范围: 第{write_start_row}行 到 第{write_start_row + rows - 1}行")
输出结果：
读取数据: 44行
模板现有数据: 最后一行是第2行
新数据将从第3行开始写入
列映射: {'日期': 1, '产品名称': 2, '销售员': 3, '单价': 4, '数量': 5}
追加写入新数据...
数据写入完成，共 44 行
完成！→ 追加数据后.xlsx
追加数据范围: 第3行 到 第46行
📚 核心知识点总结
1. 自动查找最后数据行
for row in range(ws.max_row, START_ROW - 1, -1):
if any(cell.value is not None for cell in ws[row]):
last_row = row
break
else:
last_row = START_ROW - 1
- • 从下往上找：跳过中间可能存在的空行，找到真正的最后一条数据
- •
for...else结构：完全空白时设置保底值
2. 基于表头的列映射
headers = [cell.value for cell in ws[1]]
col_map = {}
for idx, header in enumerate(headers, start=1):
if header in df.columns:
col_map[header] = idx
- •
enumerate(start=1)让索引直接对应Excel列号
3. 灵活的数据追加
target_row = write_start_row + i
value = row[col_name] # 通过列名获取值
4. 空值处理
if not pd.isna(value):
cell.value = value
- • 使用
pd.isna() 判断空值，兼容 None、NaN、NaT
🔄 核心流程图
读取数据文件 (pandas)
↓
加载模板 (openpyxl)
↓
从下往上查找最后数据行 ──→ 完全空白？──→ 起始行 = 2
↓ ↓
找到最后行 = row 起始行 = 最后行 + 1
↓
读取模板表头，建立列映射
↓
遍历数据行 (df.iterrows())
↓
通过列映射找到对应的模板列
↓
非空值写入目标单元格
↓
保存文件 ✓
🗳️ 点单时间到！ 🗳️
下期写什么？
你来定，我来写。
📦 资源获取提示
关注「码农自习室」，后台回复关键词 PythonExcel案例，即可获取本文完整代码及配套练习数据集，一起动手掌握高效数据操作的核心技巧！
❤️ 支持我们
如果本文对你有帮助，欢迎点赞 + 关注 + 点亮小红心，你的支持就是我们持续创作的最大动力～
