超强盘点！让Excel效率更高的5个Python库
发布时间：2021-06-03 20:44:03 所属栏目：大数据 来源：互联网
导读：Excel作为Office的数据处理软件，我们几乎每天都在使用。虽然好用，但在大量录入、处理数据的时候，效率未免有点低。因此，很多学了Python的同学，会利用Python的第三方库来批量操作Excel，提升效率。 Python有很多支持操作Excel的第三方库，今天推荐的5个库
|
Excel作为Office的数据处理软件，我们几乎每天都在使用。虽然好用，但在大量录入、处理数据的时候，效率未免有点低。因此，很多学了Python的同学，会利用Python的第三方库来批量操作Excel，提升效率。
Python有很多支持操作Excel的第三方库，今天推荐的5个库，看看它们是如何让Excel效率起飞的!
Xlwings
Xlwings是非常强大的处理Excel的库，无论是Windows还是Mac，Excel还是WPS，都可以使用。
它功能非常齐全，能十分方便地新建、打开、修改、保存Excel，可以和matplotlib、numpy以及pandas无缝连接，支持读写numpy、pandas数据类型，将matplotlib可视化图表导入到excel中。另外，还可以调用Excel文件中VBA写好的程序，也可以让VBA调用Python写的程序。
import xlwings as xw #导入库
app = xw.App(visible=True,add_book=False)
wb = app.books.add() #打开Excel程序
wb = xw.Book('example.xlsx') #打开已有工作簿
wb.save('example.xlsx') #保存工作簿
wb.close() #退出工作簿（可省略）
app.quit() #退出Excel
sht = wb.sheets[0] #引用工作表，括号内是第一个sheet名
rng = sht.range('a1')
#rng = sht['a1'] #引用单元格，第一行的第一列即a1
rng = sht.range('a1:a5') #引用区域
sht.range('a1').value = 'Hello' #单元格A1,写入字符串‘Hello’
sht.range('a1').value = [1,2,3,4] #默认按行插入：A1:D4分别写入1,2,3,4
sht.range('a2').options(transpose=True).value = [5,6,7,8] #按列插入
sht.range('a6').expand('table').value = [['a','b','c'],['d','e','f'],['g','h','i']] #多行输入
print(sht.range('a1:d4').value) #读取A1:D4
rng = sht.range('a1').expand('table')
nrows = rng.rows.count
a = sht.range(f'a1:a{nrows}').value #读取Excel第一列
ncols = rng.columns.count
fst_col = sht[0,:ncols].value #读取Excel第一行
sht.range('A1').column #获取单元格列标
sht.range('A1').row #获取行标
sht.range('A1').column_width #获取列宽
sht.range('A1').row_height #获取行高
print(sht.range('A1').column ,sht.range('A1').row ,sht.range('A1').column_width ,sht.range('A1').row_height )
sht.range('A1').rows.autofit() #行高自适应
sht.range('A1').columns.autofit()#列宽自适应
sht.range('A1').color=(34,156,65) #给单元格A1上背景色
sht.range('A1').color #返回单元格颜色的RGB值
print(sht.range('A1').color)
sht.range('A1').color = None #清楚单元格颜色
print(sht.range('A1').color)
sht.range('A1').formula='=SUM(B6:B7)' #输入公式，相应单元格执行结果
sht.range('A1').formula_array #获取单元格公式
sht.range('A1').value=[['a1','a2','a3'],[1,2,3]] #向指定单元格位置写入批量信息
sht.range('A1').expand().value #使用expand()方法读取表中批量数据
print(sht.range('A1').expand().value)
import numpy as np
np_data = np.array((1,2,3))
sht.range('F1').value = np_data #写入numpy array数据类型
import pandas as pd
df = pd.DataFrame([[1,2], [3,4]], columns=['a', 'b'])
sht.range('A5').value = df #将pandas DataFrame数据类型写入excel
sht.range('A5').options(pd.DataFrame,expand='table').value #将数据读取，输出类型为DataFrame
import matplotlib.pyplot as plt
%matplotlib inline
fig = plt.figure()
plt.plot([1, 2, 3, 4, 5])
sht.pictures.add(fig, name='MyPlot', update=True) #将matplotlib图表写入到excel表格里
 （编辑：四平站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |