知识星球：写代码那些事

如果你有收获｜欢迎｜点赞｜关注｜转发

这里会定期更新｜大厂的开发｜架构｜方案设计

这里也会更新｜如何摸鱼｜抓虾

欢迎来到写代码那些事！Excel作为数据处理的常用工具，在大量数据处理场景中扮演着重要角色。本教程将带你深入学习如何用Python完成Excel的常见操作，释放数据处理的潜力。

目录：

数据读取与写入：轻松打通Python与Excel数据筛选与处理：快速清理和整理Excel数据图表与可视化：用Python为数据赋予更多生命数据分析与计算：高效地在Excel中进行统计和计算自动化报表生成：用Python打造智能Excel应用1. 数据读取与写入：轻松打通Python与Excel

在这一节中，我们将介绍如何使用Python库来读取和写入Excel文件。我们会使用pandas库来实现这些操作，让你能够轻松地将Python和Excel连接起来。

# 导入pandas库import pandas as pd# 读取Excel文件data = pd.read_excel('report.xlsx')# 写入Excel文件data.to_excel('output.xlsx', index=False)

在这一节，我们将学习如何使用Python来进行数据筛选和处理。通过pandas库的强大功能，你可以轻松地进行数据清理、重命名列名等操作。

# 数据筛选与处理示例import pandas as pd# 读取Excel文件data = pd.read_excel('report.xlsx')filtered_data = data[data['销售额'] > 1000]cleaned_data = data.dropna()# print filtered_dataprint("过滤后的数据：")print(filtered_data)# print cleaned_dataprint("清洗后的数据：")print(cleaned_data)

如果你对，dropna这个函数有疑惑，请看下面得例子

>>> df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],...                    "toy": [np.nan, 'Batmobile', 'Bullwhip'],...                    "born": [pd.NaT, pd.Timestamp("1940-04-25"),...                             pd.NaT]})>>> df       name        toy       born0    Alfred        NaN        NaT1    Batman  Batmobile 1940-04-252  Catwoman   Bullwhip        NaT

删除至少缺少一个元素的行

>>> df.dropna()     name        toy       born1  Batman  Batmobile 1940-04-25

删除至少缺少一个元素的列

>>> df.dropna(axis='columns')       name0    Alfred1    Batman2  Catwoman

删除所有元素都丢失的行

>>> df.dropna(how='all')       name        toy       born0    Alfred        NaN        NaT1    Batman  Batmobile 1940-04-252  Catwoman   Bullwhip        NaT

仅保留至少具有 2 个非 NA 值的行

>>> df.dropna(thresh=2)       name        toy       born1    Batman  Batmobile 1940-04-252  Catwoman   Bullwhip        NaT

定义在哪些列中查找缺失值

>>> df.dropna(subset=['name', 'toy'])       name        toy       born1    Batman  Batmobile 1940-04-252  Catwoman   Bullwhip        NaT

数据可视化是数据分析的关键步骤。在这一节，我们将展示如何使用Python库来创建各种图表，为数据赋予更多生命和表现力。

import openpyxlfrom openpyxl.drawing.image import Imageimport pandas as pdimport matplotlib.pyplot as pltimport io# 创建示例数据data = pd.DataFrame({    '产品': ['A', 'B', 'C'],    '销售额': [1000, 1500, 2000]})# 创建新的工作簿wb = openpyxl.Workbook()ws = wb.activews.title = '报告'# 添加数据到工作表ws.append(['产品', '销售额'])for _, row in data.iterrows():    ws.append(row.tolist())# 创建柱状图plt.bar(data['产品'], data['销售额'])plt.xlabel('产品')plt.ylabel('销售额')plt.title('产品销售额')plt.show()

4. 数据分析与计算：高效地进行统计和计算

Python在数据分析方面有很强的能力。在这一节，我们将展示如何使用pandas库来进行数据分析和计算，如统计平均值、总和等。

# 统计平均值和总和import openpyxlfrom openpyxl.drawing.image import Imageimport pandas as pdimport matplotlib.pyplot as pltimport io# 创建示例数据data = pd.DataFrame({    '产品': ['A', 'B', 'C'],    '销售额': [1000, 1500, 2000],    '利润': [200, 300, 400]  # 添加利润数据列})# 创建新的工作簿wb = openpyxl.Workbook()ws = wb.activews.title = '报告'# 添加数据到工作表ws.append(['产品', '销售额', '利润'])for _, row in data.iterrows():    ws.append(row.tolist())# 计算平均销售额和总利润average_sales = data['销售额'].mean()total_profit = data['利润'].sum()# 创建柱状图plt.bar(data['产品'], data['销售额'])plt.xlabel('产品')plt.ylabel('销售额')plt.title('产品销售额')print('平均销售额:', average_sales)print('总利润:', total_profit)

5. 自动化报表生成：用Python打造智能Excel应用

在这一节中，我们将学习如何使用Python自动化生成报表。通过openpyxl库，你可以在Excel中创建新的工作表、添加图表，并实现自动化报告生成。

import openpyxlfrom openpyxl.chart import LineChart, Referenceimport pandas as pd# 创建示例数据data = pd.DataFrame({    '日期': ['2023-01-01', '2023-01-02', '2023-01-03'],    '销售额': [1000, 1500, 2000]})# 创建新的工作簿wb = openpyxl.Workbook()ws = wb.activews.title = '报告'# 添加数据到工作表ws.append(['日期', '销售额'])for _, row in data.iterrows():    ws.append(row.tolist())  # 将Series转换为列表并添加到工作表# 创建折线图chart = LineChart()chart.title = '销售趋势图'chart.x_axis.title = '日期'chart.y_axis.title = '销售额'# 设置图表数据范围data_ref = Reference(ws, min_col=2, min_row=2, max_col=2, max_row=len(data)+1)category_ref = Reference(ws, min_col=1, min_row=3, max_row=len(data)+1)chart.add_data(data_ref, titles_from_data=True)chart.set_categories(category_ref)# 添加图表到工作表ws.add_chart(chart, 'E3')# 保存工作簿wb.save('report.xlsx')

总结：

通过本教程，你已经学会了如何使用Python完成Excel的常用操作，包括数据读取、数据处理、数据可视化、数据分析以及自动化报表生成。掌握这些技巧，你将能够更高效地处理Excel中的数据，并将其与Python的强大功能相结合，为数据处理提供更多可能性。让Python成为你处理Excel数据的得力助手吧！

#python#​#excle#​#python处理excle