python处理excel数据的方法：1、使用xlrd来处理；2、使用【xlutils+xlrd】来处理；3、使用xlwt来处理；4、使用pyExcelerator来处理；5、使用Pandas库来处理。
这里有一张excel数据表，下面我们通过示例来看看xlrd、xlwt、xluntils、pyExcelerator和Pandas是如何处理excel文件数据的。【视频教程推荐：python教程】
python处理excel数据的方法：
方法一：使用xlrd来处理excel数据
示例1：python读取excel文件特定数据
import xlrd
data = xlrd.open_workbook('test.xls') # 打开xls文件
table = data.sheets()[0] # 打开第一张表
nrows = table.nrows # 获取表的行数
# 循环逐行输出
for i in range(nrows):
if i == 0: # 跳过第一行
continue
print table.row_values(i)[:13] # 取前十三列数据示例2：python读取excel文件所有数据
import xlrd #打开一个xls文件 workbook = xlrd.open_workbook('test.xls') #抓取所有sheet页的名称 worksheets = workbook.sheet_names() print('worksheets is %s' %worksheets) #定位到sheet1 worksheet1 = workbook.sheet_by_name(u'Sheet1') """ #通过索引顺序获取 worksheet1 = workbook.sheets()[0] #或 worksheet1 = workbook.sheet_by_index(0) """ """ #遍历所有sheet对象 for worksheet_name in worksheets: worksheet = workbook.sheet_by_name(worksheet_name) """ #遍历sheet1中所有行row num_rows = worksheet1.nrows for curr_row in range(num_rows): row = worksheet1.row_values(curr_row) print('row%s is %s' %(curr_row,row)) #遍历sheet1中所有列col num_cols = worksheet1.ncols for curr_col in range(num_cols): col = worksheet1.col_values(curr_col) print('col%s is %s' %(curr_col,col)) #遍历sheet1中所有单元格cell for rown in range(num_rows): for coln in range(num_cols): cell = worksheet1.cell_value(rown,coln) print cell
方法二：使用xlutils+xlrd来处理excel数据
示例：向excel文件中写入数据
import xlrd import xlutils.copy #打开一个xls文件 rb = xlrd.open_workbook('test.xls') wb = xlutils.copy.copy(rb) #获取sheet对象，通过sheet_by_index()获取的sheet对象没有write()方法 ws = wb.get_sheet(0) #写入数据 ws.write(1, 1, 'changed!') #添加sheet页 wb.add_sheet('sheetnnn2',cell_overwrite_ok=True) #利用保存时同名覆盖达到修改excel文件的目的,注意未被修改的内容保持不变 wb.save('test.xls')
方法三：使用xlwt来处理excel数据
示例1：新建excel文件并写入数据
import xlwt #创建workbook和sheet对象 workbook = xlwt.Workbook() #注意Workbook的开头W要大写 sheet1 = workbook.add_sheet('sheet1',cell_overwrite_ok=True) sheet2 = workbook.add_sheet('sheet2',cell_overwrite_ok=True) #向sheet页中写入数据 sheet1.write(0,0,'this should overwrite1') sheet1.write(0,1,'aaaaaaaaaaaa') sheet2.write(0,0,'this should overwrite2') sheet2.write(1,2,'bbbbbbbbbbbbb') #保存该excel文件,有同名文件时直接覆盖 workbook.save('test.xls') print '创建excel文件完成！'
方法四：使用pyExcelerator来处理excel数据
示例1：读excel文件中的数据
import pyExcelerator #parse_xls返回一个列表，每项都是一个sheet页的数据。 #每项是一个二元组(表名,单元格数据)。其中单元格数据为一个字典，键值就是单元格的索引(i,j)。如果某个单元格无数据，那么就不存在这个值 sheets = pyExcelerator.parse_xls('test.xls') print sheets
示例2：新建excel文件并写入数据
import pyExcelerator #创建workbook和sheet对象 wb = pyExcelerator.Workbook() ws = wb.add_sheet(u'第一页') #设置样式 myfont = pyExcelerator.Font() myfont.name = u'Times New Roman' myfont.bold = True mystyle = pyExcelerator.XFStyle() mystyle.font = myfont #写入数据，使用样式 ws.write(0,0,u'ni hao 帕索！',mystyle) #保存该excel文件,有同名文件时直接覆盖 wb.save('E:\\Code\\Python\\mini.xls') print '创建excel文件完成！'
方法五：使用Pandas库来处理excel数据
示例1：读取excel数据
#导入pandas模块
import pandas as pd
#直接默认读取到这个Excel的第一个表单
sheet = pd.read_excel('test.xls')
#默认读取前5行数据
data=sheet.head()
print("获取到所有的值:\n{0}".format(data))#格式化输出
#也可以通过指定表单名来读取数据
sheet2=pd.read_excel('test.xlsx',sheet_name='userRegister')
data2=sheet2.head()#默认读取前5行数据
print("获取到所有的值:\n{0}".format(data2))#格式化输出示例2：操作Excel中的行列
#导入pandas模块
import pandas as pd
sheet=pd.read_excel('webservice_testcase.xlsx')#这个会直接默认读取到这个Excel的第一个表单
#读取制定的某一行数据:
data=sheet.ix[0].values #0表示第一行 这里读取数据并不包含表头
print("读取指定行的数据：\n{0}".format(data))
#读取指定的多行：
data2=sheet.ix[[0,1]].values
print("读取指定行的数据：\n{0}".format(data2))
#读取指定行列的数据：
data3=sheet.ix[0,1]#读取第一行第二列的值
print("读取指定行的数据：\n{0}".format(data3))
#读取指定的多行多列的值：
data4=sheet.ix[[1,2],['姓名','电话']].values #读取第二行第三行的姓名以及电话列的值，这里需要嵌套列表
print("读取指定行的数据：\n{0}".format(data4))
#读取所有行指定的列的值：
data5=sheet.ix[:,['姓名','电话']].values #姓名以及电话列的值
print("读取指定行的数据：\n{0}".format(data5))
#获取行号输出：
print("输出行号列表",sheet.index.values)
#获取列名输出：
print("输出列标题",sheet.columns.values)以上就是本篇文章的全部内容，希望能对大家的学习有所帮助。更多精彩内容大家可以关注php中文网相关教程栏目！！！
Das obige ist der detaillierte Inhalt vonWie Python Excel-Daten verarbeitet. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
