我们通过传入单元格的位置来打印其中的数值，代码如下

print(sheet["A1"].value)print(sheet["A2"].value)print(sheet["B3"].value)----------------# 输出BrandVwJapan

sheet["C10"] =75 # 保存wb.save(r"sales.xlsx")

在保存过之后，我们来看一下是否成功修改了单元格的值，如下图所示：

我们看到单元格的值被成功修改了。

添加一个工作表

我们可以在现有的Excel文件中添加一个sheet，代码如下：

# 添加一个新的工作表wb.create_sheet("new_energy_cars_sales")# 返回以列表形式带有工作表名称print(wb.sheetnames)# 输出['auto_sales', 'new_energy_cars_sales']

注：此处我们没有保存，所以文件中不会出现新的sheet

插入数据

我们通过代码新建一个Excel文件，并在文件中写入部分数据

from openpyxl import Workbook, load_workbooknew_wb = Workbook()ws = new_wb.active# 重命名工作表的名称ws.title = "contry"# 插入数据到新建的工作表中ws.append(["PRC","is","a","great","contry"])new_wb.save("contry.xlsx")

我们来看一下最后出来的结果，如下图所示:

我们尝试来多插入几条数据，代码如下:

# 插入更多的数据ws.append(["USA","Is","a","dirty", "contry"])ws.append(["UK","is","a","deep", "contry"])ws.append(["End"])# 保存new_wb.save("contry.xlsx")

结果如下：

插入行与删除行

插入某一行的话，调用的则是insert_rows()方法，具体代码如下：

# 前面的步骤一样，导入工作簿和数据ws.insert_rows(1)new_wb.save("contry.xlsx")

出来的结果如下图所示

同理，如果是想要去删除某一行的数据的话，调用的则是delete_rows()方法，具体代码如下:

ws.delete_rows(1)# 保存new_wb.save("contry.xlsx")

查看结果，可以看到插入的行已经被删除

插入列与删除列

插入列删除列的操作与插入行删除行的操作类似，插入列用到的方式是insert_cols()，代码如下

# 新插入一列ws.insert_cols(6)

删除列的方法是delete_cols()

ws.delete_cols(6)

openpyxl是一个非常强大的第三方库，结合Python，Excel能实现的操作，python+openpyxl都可以实现，现在我们就来使用一下稍微高端一些的功能，实现数据的分析和可视化。

1.数据准备

因为手头没有实际的数据，所以现在只能自己随便生成一批数据，不严谨，请大家见谅。

数据如下:

brand_data = {    "大众":{"A级":1200000, "B级":500000, "C级":400000, "D级":30000, "SUV":480000},    "丰田":{"A级":900000, "B级":450000, "C级":240000, "D级":2160, "SUV":300000},    "本田":{"A级":600000, "B级":240000, "C级":160, "D级":0, "SUV":240000},    "比亚迪":{"A级":1080000, "B级":280000, "C级":0, "D级":0, "SUV":300000},    "奔驰":{"A级":0, "B级":180000, "C级": 216000, "D级":60000, "SUV": 120000 }}

将数据写入Excel，代码如下:

# 创建一个新的工作簿sales_wb = Workbook()ws = sales_wb.active# 重命名工作表的名称ws.title = "Sales"# 创建列名column_names = ["Brand Name"] + list(brand_data["大众"].keys())ws.append(column_names)# 将一系列的数值都放置到工作表当中去for product in brand_data:    sales = list(brand_data[product].values())    ws.append([product] + sales)sales_wb.save("brand_data.xlsx")

表格如图所示:

平均值的计算实现

我们来指定某一列，例如我们要计算各品牌B级车的平均销量，代码如下：

ws['C7'] = '=AVERAGE(C2:C6)'sales_wb.save("brand_data.xlsx")

结果如下图:

3. 求和的计算实现

我们现在要计算各个品牌的各自的销量总和，该怎样实现，代码如下

min_row = ws.min_rowmax_row = ws.max_rowmin_col = ws.min_columnmax_col = ws.max_columnfor row in range(min_row+1,max_row+1):    key=ws.cell(row=row,column=max_col+1).coordinate    #求和的开始单元格地址    start = ws.cell(row=row,column=min_col+1).coordinate    #求和的结束单元格地址    end = ws.cell(row=row,column=max_col-1).coordinate    ws[key]=f'=SUM({start}:{end})'sales_wb.save('brand_data.xlsx')

结果如下图:

绘制柱状图

来绘制一张柱状图，来看一下不同的品牌不同级别的汽车的销售数据如何，横坐标对应的品牌，而纵坐标对应的则是销量，另外我们根据不同的级别会用不同的颜色来标注出来，代码如下:

from openpyxl.chart import BarChart, Reference# 新建一个柱状图实例barchart = BarChart()# 确定数据的范围data = Reference(ws, min_col=ws.min_column+1, max_col=ws.max_column, min_row=ws.min_row, max_row=ws.max_row)categories = Reference(ws, min_col=ws.min_column, max_col=ws.min_column, min_row=ws.min_row+1, max_row=ws.max_row)# 添加数据以及类目barchart.add_data(data, titles_from_data=True)barchart.set_categories(categories)# 绘制的数据放在哪个位置ws.add_chart(barchart, "A10")# 添加标题barchart.title = '每个品牌的分级别产品销售数据'# 图表的类型barchart.style = sales_wb.save("brand_data.xlsx")

结果如图所示:

总结

本文只是对openpyxl强大功能的部分演示，如果大家想学习其他技巧，欢迎评论区留言！