作者：许灼灼

pandas读写数据——一行代码搞定Excel和CSV

作者：许灼灼

一、课堂故事

「上节课我们认识了 DataFrame，」我翻开课件，「大家还记得怎么创建一个 DataFrame 吗？」

小杰举手：「用字典！pd.DataFrame(字典) 就行！」

「没错。但我想问你们一个问题——」我把屏幕切到一个新建的 Python 文件，「如果班主任给你一个 Excel 成绩单，50 个学生，你要先手动把 50 行数据敲进字典，再 pd.DataFrame() 吗？」

全班沉默了三秒。

小婉小声说：「那……也太累了吧。」

「没错。手动建字典适合学习时练手，但真实场景里，数据都在文件里。pandas 的强大之处在于——它可以直接读文件。」

我在屏幕上输入：

import pandas as pd df = pd.read_excel("成绩单.xlsx") print(df.head()) 

回车——屏幕上直接打印出成绩单的前 5 行，整整齐齐。

「一行。read_excel，一行代码，50 个学生的数据全部进了 DataFrame。还记得 openpyxl 怎么读的吗？」

小杰翻着笔记：「load_workbook → wb.active → iter_rows 遍历……至少五六行。」

「对。今天我们就来学 pandas 的读写四件套——读 Excel、读 CSV、写 Excel、写 CSV。学完你会明白，为什么说 pandas 是'先苦后甜'里那个'甜'。」

二、概念解释

读写四件套

pandas 读写文件就四个函数，两两配对：

就这四个。读进来是 DataFrame，写出去是文件。没有遍历，没有循环，没有逐格操作。

和 openpyxl / csv 模块的对比

index 参数

你可能注意到写文件时都有个 index=False。这又是啥？

DataFrame 自带一个行号索引（0, 1, 2, 3...），就像 Excel 左边的行号。写文件时如果不加 index=False，pandas 会把这个行号也写进文件——多出一列没用的数字。加上 index=False 就是告诉它：「行号别写，我只要数据。」

三、拆开看

3.1 read_excel——一行读 Excel

先准备一个 成绩单.xlsx，内容如下：

用 openpyxl 读（模块五学过的）：

from openpyxl import load_workbook wb = load_workbook("成绩单.xlsx") ws = wb.active for row in ws.iter_rows(min_row=2, values_only=True):     name, chinese, math, english = row     print(name, chinese, math, english) 

6 行代码，逐行遍历，手动解包。

用 pandas 读：

import pandas as pd df = pd.read_excel("成绩单.xlsx") print(df.head()) 

2 行。完事。

输出：

   姓名  语文  数学  英语 0  张三  85  92  78 1  李四  78  88  90 2  王芳  92  95  85 3  赵六  65  72  80 

「等一下，」小婉举手，「它怎么知道第一行是表头？」

好问题。read_excel 默认把第一行当表头（列名），下面的行当数据。你不用告诉它，它自己判断。

如果你想指定某一行当表头，用 header 参数：

# 默认 header=0，第一行当表头 df = pd.read_excel("成绩单.xlsx", header=0) # 如果没有表头，第一行就是数据 df = pd.read_excel("成绩单.xlsx", header=None) 

如果有多个工作表，用 sheet_name 指定：

# 读第二个工作表（按索引） df = pd.read_excel("成绩单.xlsx", sheet_name=1) # 按名字读 df = pd.read_excel("成绩单.xlsx", sheet_name="期中考试") 

3.2 read_csv——一行读 CSV

还记得模块四学的 CSV 吗？用 csv 模块读：

import csv with open("成绩单.csv", encoding="utf-8-sig") as f:     reader = csv.reader(f)     header = next(reader)  # 读表头     for row in reader:         print(row) 

5 行，还要手动跳表头。

用 pandas 读：

import pandas as pd df = pd.read_csv("成绩单.csv") print(df.head()) 

2 行。而且 read_csv 和 read_excel 的用法几乎一模一样——读进来都是 DataFrame，后续操作完全相同。

「老师，CSV 文件如果有中文乱码怎么办？」小杰问。

和模块四一样，加 encoding 参数：

df = pd.read_csv("成绩单.csv", encoding="utf-8-sig") 

如果是 Windows 记事本保存的文件，可能需要：

df = pd.read_csv("成绩单.csv", encoding="gbk") 

3.3 to_excel——一行写 Excel

现在反过来——把 DataFrame 写成 Excel 文件。

用 openpyxl 写（模块五学过的）：

from openpyxl import Workbook wb = Workbook() ws = wb.active ws.append(["姓名", "语文", "数学", "英语"]) ws.append(["张三", 85, 92, 78]) ws.append(["李四", 78, 88, 90]) wb.save("新成绩单.xlsx") 

6 行，逐行 append。

用 pandas 写：

import pandas as pd df = pd.DataFrame({     "姓名": ["张三", "李四"],     "语文": [85, 78],     "数学": [92, 88],     "英语": [78, 90] }) df.to_excel("新成绩单.xlsx", index=False) 

一行 to_excel 搞定。打开文件，表头、数据、格式全有了。

注意那个 index=False——如果不加：

df.to_excel("新成绩单.xlsx") 

写出来的文件会多一列无名的数字（0, 1），就是 DataFrame 的行号。加了 index=False 就干净了。

如果文件已存在，to_excel 会直接覆盖，不问你。要小心。

3.4 to_csv——一行写 CSV

写 CSV 同理：

用 csv 模块写（模块四学过的）：

import csv with open("新成绩单.csv", "w", newline="", encoding="utf-8-sig") as f:     writer = csv.writer(f)     writer.writerow(["姓名", "语文", "数学", "英语"])     writer.writerow(["张三", 85, 92, 78])     writer.writerow(["李四", 78, 88, 90]) 

5 行。

用 pandas 写：

df.to_csv("新成绩单.csv", index=False, encoding="utf-8-sig") 

一行。index=False 不写行号，encoding="utf-8-sig" 让 Excel 打开不乱码——和模块四一模一样的道理。

3.5 读写四件套对比总表

到这里四件套全学完了，做个总对比：

「所以之前学的 openpyxl 和 csv 都白学了？」小婉问。

「当然没有白学。」我笑了，「第一，你通过 openpyxl 理解了 Excel 的结构——工作簿、工作表、单元格。第二，你知道了'手动方式'有多麻烦，现在看到 pandas 一行搞定才会有'哇'的感觉。第三，有些精细操作（比如设置单元格颜色、合并单元格）pandas 做不到，还得靠 openpyxl。」

「工具没有好坏，只有适合不适合。日常读写数据用 pandas，精细调格式用 openpyxl。」

3.6 完整示例——读成绩单→算总分→写新文件

把四件套串起来，做一个真实场景：读 Excel 成绩单 → 算总分和平均分 → 写成新的 Excel 文件 + CSV 文件。

import pandas as pd # 第1步：读 Excel df = pd.read_excel("成绩单.xlsx") print("读取成功！共", len(df), "个学生") print(df) # 第2步：算总分和平均分 df["总分"] = df["语文"] + df["数学"] + df["英语"] df["平均分"] = df["总分"] / 3 df["平均分"] = df["平均分"].round(1)  # 保留1位小数 print("\n添加总分和平均分后：") print(df) # 第3步：按总分降序排序 df = df.sort_values("总分", ascending=False) print("\n按总分排名：") print(df) # 第4步：写成新的 Excel 文件 df.to_excel("成绩单_含总分排名.xlsx", index=False) print("\n已保存：成绩单_含总分排名.xlsx") # 第5步：同时写成 CSV 文件 df.to_csv("成绩单_含总分排名.csv", index=False, encoding="utf-8-sig") print("已保存：成绩单_含总分排名.csv") 

运行结果：

读取成功！共 4 个学生    姓名  语文  数学  英语 0  张三  85  92  78 1  李四  78  88  90 2  王芳  92  95  85 3  赵六  65  72  80 添加总分和平均分后：    姓名  语文  数学  英语  总分  平均分 0  张三  85  92  78  255  85.0 1  李四  78  88  90  256  85.3 2  王芳  92  95  85  272  90.7 3  赵六  65  72  80  217  72.3 按总分排名：    姓名  语文  数学  英语  总分  平均分 2  王芳  92  95  85  272  90.7 1  李四  78  88  90  256  85.3 0  张三  85  92  78  255  85.0 3  赵六  65  72  80  217  72.3 已保存：成绩单_含总分排名.xlsx 已保存：成绩单_含总分排名.csv 

「看到了吗？读文件、算总分、算平均分、排序、写 Excel、写 CSV——整个流程加起来不到 20 行代码。如果用 openpyxl 手写，光遍历和排序就得四五十行。」

「这就是'先苦后甜'——你先学会了苦的方式，才知道甜有多甜。」

小杰看着屏幕，缓缓点头：「我现在懂了。之前学 openpyxl 的时候觉得'还挺方便'，现在看到 pandas 才知道什么叫真的方便。」

四、常见坑

坑1：read_excel 报错 ModuleNotFoundError

ModuleNotFoundError: No module named 'openpyxl' 

pandas 读 Excel 底层还是要调用 openpyxl，所以两个库都得装：

pip install pandas openpyxl 

只装 pandas 不装 openpyxl，读 Excel 就会报错。

坑2：to_excel 忘了 index=False

df.to_excel("成绩单.xlsx") 

打开文件发现多了一列无名的数字（0, 1, 2, 3...），就是 DataFrame 的行号索引。

解决：养成习惯，写文件永远带 index=False。

坑3：to_csv 中文乱码

df.to_csv("成绩单.csv", index=False) 

用 Excel 打开发现中文全变乱码——和模块四一样的问题。

解决：加 encoding="utf-8-sig"：

df.to_csv("成绩单.csv", index=False, encoding="utf-8-sig") 

坑4：to_excel 覆盖已有文件不提醒

df.to_excel("成绩单.xlsx", index=False) 

如果 成绩单.xlsx 已存在，pandas 直接覆盖，不问你。原来的数据全没了。

解决：写文件前确认文件名不冲突，或者先备份。

坑5：read_csv 编码错误

UnicodeDecodeError: 'utf-8' codec can't decode byte... 

默认用 utf-8 编码读，但文件可能是 gbk 编码（Windows 记事本保存的）。

解决：换编码：

df = pd.read_csv("成绩单.csv", encoding="gbk") 

常见编码就两种：utf-8-sig（推荐）和 gbk（Windows 记事本）。试一个不行就试另一个。

五、生活类比

搬家公司

想象你要搬家。

openpyxl / csv 模块 = 自己搬：

• 一趟一趟搬箱子，每趟搬一个
• 先搬张三的箱子，再搬李四的箱子……
• 搬完还要清点数量、检查有没有丢
• 50 个箱子 = 50 趟

pandas = 搬家公司来了：

• 一辆大卡车开过来，把所有箱子一口气装上车
• 到新家一口气卸完
• 自动清点数量，不用你数
• 50 个箱子 = 2 趟（装车 + 卸货）

先苦后甜的意义

你可能会想：「既然 pandas 这么方便，为什么一开始要学 openpyxl？」

因为不经历苦，就不知道甜。

如果你一上来就学 pandas，你会觉得「读 Excel 不就是 read_excel 吗，有什么难的？」——你不会 appreciate 它的方便。

但如果你先用 openpyxl 手动遍历了 50 行，手动解包、手动累加、手动写入——再看到 pandas 一行搞定，那个「哇」的瞬间，才是学习最珍贵的东西。

而且有些事情 pandas 做不了——设置单元格背景色、合并单元格、插入图片——这些精细操作还得靠 openpyxl。pandas 负责「快速搬数据」，openpyxl 负责「精细调格式」，分工合作。

六、练一练

基础题：读 CSV 并查看

准备一个 学生信息.csv 文件（用记事本或 Excel 创建）：

姓名,年龄,班级 张三,17,一年一班 李四,16,一年二班 王芳,17,一年一班 赵六,16,一年三班 

用 pandas 读取这个文件，打印前 3 行和 shape。

提示：pd.read_csv() + df.head(3) + df.shape

进阶题：读 Excel→算总分→写新文件

用本课的 成绩单.xlsx（或自己造一个），完成以下操作：

1. 用 pandas 读取 Excel 文件
2. 新增「总分」列 = 语文 + 数学 + 英语
3. 按总分降序排序
4. 写成新的 Excel 文件 成绩排名.xlsx（记得 index=False）
5. 同时写成 CSV 文件 成绩排名.csv（记得 encoding="utf-8-sig"）

挑战题：pandas vs openpyxl 对比实验

用两种方式完成同一个任务——读取 成绩单.xlsx，打印所有学生姓名和语文成绩：

方式一（openpyxl）：

• load_workbook
   → wb.active → iter_rows 遍历 → 打印

方式二（pandas）：

• pd.read_excel()
   → df[["姓名", "语文"]] → print()

对比两种方式的代码行数，写下你的感受。

参考答案（进阶题）：

import pandas as pd # 读取 df = pd.read_excel("成绩单.xlsx") # 算总分 df["总分"] = df["语文"] + df["数学"] + df["英语"] # 排序 df = df.sort_values("总分", ascending=False) # 写 Excel df.to_excel("成绩排名.xlsx", index=False) # 写 CSV df.to_csv("成绩排名.csv", index=False, encoding="utf-8-sig") print("完成！") print(df) 

下篇预告

：pandas 数据分析——describe() 一键统计、sort_values 排序进阶、布尔筛选（df[df["语文"] > 80]），真正的数据分析来了！