Python 15个自动化处理Excel数据脚本
 **Excel**是办公处理数据的重要工具之一。但面对大量数据和复杂的操作时,手动处理效率低下且容易出错。**Python**作为一种强大的编程语言,结合其丰富的库(如**Pandas、openpyxl**等),可以极大地提高**Excel**数据处理的效率和准确性。本文将介绍**Python**在**Excel**数据处理中的一些应用。 #### **1. 提取指定数据并保存在Excel中** 使用**Pandas**库,可以轻松读取**Excel**文件中的数据,并根据需要提取特定的数据。提取后的数据可以直接保存回原**Excel**文件中,而不影响其他数据。示例代码: ``` import pandas as pd # 读取Excel文件 df = pd.read_excel('example.xlsx') # 提取特定列的数据 selected_data = df[['Column1', 'Column2']] # 保存到原Excel文件中 selected_data.to_excel('example.xlsx', index=False) ``` #### **2. 分类汇总Excel表中的数据** 当需要对多个**Excel**表中的数据进行分类汇总时,使用**Python**可以批量读取这些文件,并使用**Pandas**进行汇总操作。例如:汇总多张**Excel**表中的数据: ``` import pandas as pd import os # 获取所有Excel文件 files = [f for f in os.listdir('.') if f.endswith('.xlsx')] # 读取并汇总数据 data = pd.concat((pd.read_excel(f) forfinfiles), ignore_index=True) # 进行分类汇总 summary = data.groupby('Category').sum() # 保存汇总结果 summary.to_excel('summary.xlsx') ``` #### **3. 快速提取Excel中的中文字符** 在处理包含多种语言的**Excel**文件时需要提取其中的中文字符。使用**Python**可以通过正则表达式实现这一功能: ``` import pandas as pd import re # 读取Excel文件 df = pd.read_excel('example.xlsx') # 提取中文字符 df['Chinese'] = df['Column'].apply(lambdax: re.findall(r'[\u4e00-\u9fff]+', str(x))) # 保存结果 df.to_excel('example_chinese.xlsx') ``` #### **4. 批量合并工作簿中的多个表** 在处理包含多个工作表的**Excel**文件时,可能需要将这些工作表合并为一个。使用**Python**可以轻松实现这一操作: ``` import pandas as pd # 读取Excel文件 xls = pd.ExcelFile('example.xlsx') # 合并所有工作表 df = pd.concat(xls.parse(sheet_name) for sheet_name in xls.sheet_names) # 保存合并后的数据 df.to_excel('merged.xlsx', index=False) ``` #### **5. 批量更改多个工作簿的时间格式** 在处理时间数据时有时要统一时间格式。使用**Python**可以批量更改多个工作簿中的时间格式: ``` import pandas as pd import os # 获取所有Excel文件 files = [f for f in os.listdir('.') if f.endswith('.xlsx')] # 批量更改时间格式 for file in files: df = pd.read_excel(file) df['Date'] = pd.to_datetime(df['Date']).dt.strftime('%Y-%m-%d') df.to_excel(file, index=False) ``` #### **6. 批量重命名工作簿中的所有工作表** 有时需要批量重命名工作簿中的所有工作表。使用**Python**可以轻松实现这一操作: ``` import pandas as pd # 读取Excel文件 xls = pd.ExcelFile('example.xlsx') # 重命名工作表 with pd.ExcelWriter('example_renamed.xlsx') as writer: for sheet_name in xls.sheet_names: df = xls.parse(sheet_name) df.to_excel(writer, sheet_name=f'Renamed_{sheet_name}', index=False) ``` #### **7. 在多个工作簿中批量新增工作表** 在处理多个工作簿时需要在每个工作簿中新增工作表。使用**Python**可以批量实现这一操作: ``` import pandas as pd import os # 获取所有Excel文件 files = [f for f in os.listdir('.') if f.endswith('.xlsx')] # 批量新增工作表 for file in files: with pd.ExcelWriter(file, mode='a') aswriter: df = pd.DataFrame({'Data': [1, 2, 3]}) df.to_excel(writer, sheet_name='NewSheet', index=False) ``` #### **8. 批量给多个Excel文件加密** 为了保护**Excel**文件中的数据,需要对文件进行加密。使用**Python**可以批量实现这一操作: ``` import pandas as pd import openpyxl from openpyxl.worksheet.worksheet import Worksheet from openfrompyxl.utils.dataframe import dataframe_to_rows # 获取所有Excel文件 files = [f for f in os.listdir('.') if f.endswith('.xlsx')] # 批量加密文件 for file in files: wb = openpyxl.load_workbook(file) wb.save(file, password='your_password') ``` #### **9. 在Excel中查找并替换数据** 在处理**Excel**文件时需要查找并替换特定的数据。使用**Python**可以批量实现这一操作: ``` import pandas as pd # 读取Excel文件 df = pd.read_excel('example.xlsx') # 查找并替换数据 df.replace('OldValue', 'NewValue', inplace=True) # 保存结果 df.to_excel('example_replaced.xlsx') ``` #### **10. 批量去除多个Excel的图片** 在处理包含图片的**Excel**文件时需要批量去除这些图片。使用**Python**可以批量实现这一操作: ``` import pandas as pd import openpyxl from openpyxl.utils.dataframe import dataframe_to_rows # 获取所有Excel文件 files = [f for f in os.listdir('.') if f.endswith('.xlsx')] # 批量去除图片 for file in files: wb = openpyxl.load_workbook(file) for sheet in wb: for image in sheet._images: image.delete() wb.save(file) ``` **11、Python批量写入多个Sheet** 在处理**Excel**文件时需要批量写入多个**Sheet**。使用**Python**可以批量实现这一操作: ``` import pandas as pd with pd.ExcelWriter("output.xlsx") as writer: df1.to_excel(writer, sheet_name="Sheet1") df2.to_excel(writer, sheet_name="Sheet2") ``` **12、Python生成柱状图** 在处理**Excel**文件时需要生成柱状图。使用**Python**可以实现这一操作: ``` import pandas as pd df.plot(kind="bar", x="姓名", y="工资") ``` **13、Python批量读取多个Sheet** 在处理**Excel**文件时需要批量读取多个**Sheet**。使用**Python**可以实现这一操作: ``` import pandas as pd df_dict = pd.read_excel("data.xlsx", sheet_name=None) # 读取所有Sheet print(df_dict.keys()) # 打印所有Sheet名称 比如 dict_keys(['Sheet1', 'Sheet2']) # 遍历df_dict打印出所有的数据 for key in df_dict: print(df_dict[key]) # 根据key值获取df_dict中存放的dataframe格式数据 ``` **14、Python生成Excel带格式** 在处理**Excel**文件时需要生成的**Excel**带格式。使用**Python**可以实现这一操作: ``` from openpyxl import Workbook from openpyxl.styles import Font wb = Workbook() ws = wb.active ws["A1"] = "姓名" ws["A1"].font = Font(bold=True) # 加粗 wb.save("styled.xlsx") ``` **15、Python读取Excel某个单元格** 在处理**Excel**文件时需要读取**Excel**某个单元格。使用**Python**可以实现这一操作: ``` from openpyxl import load_workbook wb = load_workbook("data.xlsx") ws = wb.active print(ws["B2"].value) # 读取B2单元格 ``` 通过上述示例可以看到**Python**在**Excel**数据处理中的强大功能。无论是提取特定数据、分类汇总、更改时间格式,还是批量操作工作簿和工作表,**Python**都能提供高效的解决方案。掌握这些技能,可以显著提高数据处理的工作效率与数据正确性。 **“无他,惟手熟尔”!**有需要的用起来。 **如果你觉得这篇文章有用,欢迎点赞、转发、收藏、留言、推荐**❤!