Excel（Microsoft office）是现在最常用的办公软件，主要涉及电子表格制作、数据处理、报表输出展示以及更高端的还有金融建模等；我们知道，在需要批处理多个Excel工作表以及工作簿的时候，需要用到一个自动化的利器：VBA

VBA其实是Visual Basic嵌套在office软件中的一个子集；VBA的功能很强大；但同时由于更新较少也有一些不方便的地方；比如VBA的数组功能一直被诟病，比如缺少智能提示的编辑器等等；那么有没有其他的编程语言也可以操作Excel呢？

下面就让我们来盘点一下：

Go语言 ： Excelize

Excelize 是 Go 语言编写的用于操作 Office Excel 文档基础库，基于 ECMA-376，ISO/IEC 29500 国际标准。可以使用它来读取、写入由 Microsoft Excel 2007 及以上版本创建的电子表格文档。支持 XLSX / XLSM / XLTM 等多种文档格式，高度兼容带有样式、图片(表)、透视表、切片器等复杂组件的文档，并提供流式读写 API，用于处理包含大规模数据的工作簿

Excelize是国人编写的基于Go语言的Excel库，中文文档相对来说更为齐全，同时Go语言是编译型语言，编译后只有1个运行文件，可以方便的拷贝到其他电脑使用，同时不用安装额外的运行时，Go语言还有一个优势就是，速度真的非常快

简单入门安装

// 1、安装Go语言程序// 2、安装Gitgo get github.com/360EntSecGroup-Skylar/excelize

package mainimport (    "fmt"    "github.com/360EntSecGroup-Skylar/excelize")func main() {    f := excelize.NewFile()    // 创建一个工作表    index := f.NewSheet("Sheet2")    // 设置单元格的值    f.SetCellValue("Sheet2", "A2", "Hello world.")    f.SetCellValue("Sheet1", "B2", 100)    // 设置工作簿的默认工作表    f.SetActiveSheet(index)    // 根据指定路径保存文件    if err := f.SaveAs("Book1.xlsx"); err != nil {        fmt.Println(err)    }}

package mainimport (    "fmt"    "github.com/360EntSecGroup-Skylar/excelize")func main() {    f, err := excelize.OpenFile("Book1.xlsx")    if err != nil {        fmt.Println(err)        return    }    // 获取工作表中指定单元格的值    cell, err := f.GetCellValue("Sheet1", "B2")    if err != nil {        fmt.Println(err)        return    }    fmt.Println(cell)    // 获取 Sheet1 上所有单元格    rows, err := f.GetRows("Sheet1")    for _, row := range rows {        for _, colCell := range row {            fmt.Print(colCell, "\t")        }        fmt.Println()    }}

Go语言本身的错误处理真的是太迷了，可以看到每次对象赋值都要声明err,然后判断err != nil；同时在数据结构上，Go语言在对二维表（行列）操作时，也会有一点绕

结论

Excelize可以说是国内最好的第三方Excel操作库，虽然上手会有一点难度，但是在功能的丰富性和较好的运行性能，还是值得一试的

Excelize中文文档链接

Python ： Pandas

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算），用于数据挖掘和数据分析。 Pandas中有DataFrame和Series两个数据类型，就好像Excel的工作表和数据列（转置后也可以看作：数据行），这就和Excel天生契合

简单入门安装

# 1、 使用conda安装conda install pandas#/2、或者使用pip安装pip install pandas

import numpy as npimport pandas as pddf = pd.read_excel(open('tmp.xlsx', 'rb'),              sheet_name='Sheet3')

import numpy as npimport pandas as pddf = pd.DataFrame([['a', 'b'], ['c', 'd']],                   index=['row 1', 'row 2'],                   columns=['col 1', 'col 2'])df.to_excel("output.xlsx")  

Pandas在数据处理上是非常方便的，但在文档外操作，如批量修改工作簿名称，就需要引入os库；同时如果已有Excel文档是带格式(颜色填充、字体设置、单元格合并等)，写入Excel的时候就会破坏掉原来的格式

同时，Python作为脚本语言，如果到其他电脑运行，需要额外安装运行环境

结论

如果纯粹的处理大批量数据（十万级以上），pandas自带各类聚合函数，让你处理起来得心应手；同时Pandas可以结合matplotlib等第三方绘图库，可以方便的可视化数据 如果你的数据本身可以离开Excel，如数据是从数据库导入Excel，那么也可以直接使用Pandas导入数据库数据，然后在Pandas上进行分析处理；Pandas底层使用numpy,在矩阵运算中具有非常高的性能

Pandas文档链接

Python ： Openpyxl

openpyxl是一个用于读取/写入Excel2007及以上版本（即xlsx格式）文件的Python库，不论是Excel内的特殊格式，还是单元格处理，都提供了相应的函数，与Excelize近乎相当

简单入门安装

pip install openpyxl

from openpyxl import Workbookwb = Workbook()ws = wb.activews.title = "新的工作表01"ws.sheet_properties.tabColor = "1072BA"wb.save('demo.xlsx')

from openpyxl import load_workbookwb = load_workbook('test.xlsx')print（wb.sheetnames） 

Openpyxl不像pandas那样，底层使用numpy，所以在运行速度上，其实要比Excelize和pandas要慢（但是还是要比VBA要快一点）；同时也是因为Python作为脚本语言，如果要放到其他电脑运行，需要安装相应的运行环境

结论

相对来说，Openpyxl与VBA的应用场景重合度会更高一点，处理的思路都是比较相近的；Python在语法上，比VBA要丰富和方便的多，如果需要切换，学习曲线会比较平滑

Openpyxl文档链接

Python ： Xlwings

xlwings也是Python操作Excel的第三方库，很大程度上就是补全Pandas的缺点，可以在方便的处理文档本身，如修改工作表名称，将Pandas的数据处理结果调用到Excel原来的文件等

简单入门安装

pip install xlwings

import xlwings as xwwb = xw.Book()  wb = xw.Book('FileName.xlsx') #创建一个新的Excel文件wb = xw.Book(r'C:\path\to\file.xlsx')#读取一个已有的Excel文件sht = wb.sheets['Sheet1']sht.range('A1').value = 'Foo 1'#单元格赋值wb.save()

在功能上，如文档格式化等相较Excelize和Openpyxl来说，还是有不少功能没有实现

结论

xlwings更多的是可以作为xlwings的扩展，学习曲线和Openpyxl也比较相似

xlwings文档链接

其他

其他的还有C#的EPPlus/NPOI；Java的POI，easyExcel；JavaScript的exceljs等，也是不错的Excel操作库；但学习曲线更为陡峭，应用场景也更为复杂。如果有一天，厌倦了VBA，但是又不想使用Go和Python，也是可以去尝试一下的