Python读execl之xlrd库函数详解二:单元格相关

简介: Python读execl主要用到xlrd库

Python读execl主要用到xlrd库,用到主要函数详解如下:

准备工作:

  • 准备工作和所用材料和《Python读execl之xlrd库函数详解一:工作簿相关》一致。

在这里插入图片描述
## 库函数:

单元格相关

  • cell(self, rowx, colx) #获取单元格对象(附带单元格属性,比如单元格格式)
#-*- encoding:utf-8 -*-

import xlrd,json

def openexec():
    book1 = xlrd.open_workbook('datalist.xlsx') # 打开表格
    q = book1.sheet_by_index(1) # 使用索引的方式获取sheet2工作簿
    print(q.cell(4,3))    # 打印sheet2中单元格(4,3)的值,其实为(0,0)    
openexec()
输出结果为:text:u'12452'
备注:从表头2中可以看出(4,3)即为5行4列的值为12452,格式为文本
  • cell_value(self, rowx, colx) #获取单元格的值(不附带格式,只是单纯的获取值,比较常用)
    w = book1.sheet_by_index(1) # 使用索引的方式获取sheet2工作簿
    print(q.cell_value(2,2))
输出结果为:姓名
  • cell_type(self, rowx, colx) #获取单元格数据类型
    e = book1.sheet_by_index(1) # 使用索引的方式获取sheet2工作簿
    print(q.cell_type(2,2))
输出结果为:1,其中各数值对应如下:
        <table border="1" cellpadding="7">
        <tr>
        <th>Type symbol</th>
        <th>Type number</th>
        <th>Python value</th>
        </tr>
        <tr>
        <td>XL_CELL_EMPTY</td>
        <td align="center">0</td>
        <td>empty string ''</td>
        </tr>
        <tr>
        <td>XL_CELL_TEXT</td>
        <td align="center">1</td>
        <td>a Unicode string</td>
        </tr>
        <tr>
        <td>XL_CELL_NUMBER</td>
        <td align="center">2</td>
        <td>float</td>
        </tr>
        <tr>
        <td>XL_CELL_DATE</td>
        <td align="center">3</td>
        <td>float</td>
        </tr>
        <tr>
        <td>XL_CELL_BOOLEAN</td>
        <td align="center">4</td>
        <td>int; 1 means TRUE, 0 means FALSE</td>
        </tr>
        <tr>
        <td>XL_CELL_ERROR</td>
        <td align="center">5</td>
        <td>int representing internal Excel codes; for a text representation,
        refer to the supplied dictionary error_text_from_code</td>
        </tr>
        <tr>
        <td>XL_CELL_BLANK</td>
        <td align="center">6</td>
        <td>empty string ''. Note: this type will appear only when
        open_workbook(..., formatting_info=True) is used.</td>
        </tr>
        </table>
  • cell_xf_index(self, rowx, colx) #单元格数据区域大小(待考究,研究时发现,单元格中数据的长度和区域一样的话,返回的cell_xf_index值也是一样的)
    r = book1.sheet_by_index(1) # 使用索引的方式获取sheet2工作簿
    print(r.cell_xf_index(4,3))
输出结果为:结果出错,XLRDError: Feature requires open_workbook(..., formatting_info=True)
分析:根据出错信息,我们应该在打开文件的时候,应该使用 formatting_info=True,修改代码如下:
def openexec():
    book1 = xlrd.open_workbook('datalist.xlsx',formatting_info=True) # 打开表格,formatting_info参数取值为True时(为了节省内存,该参数默认为False),就会读取各种格式的信息。
    r = book1.sheet_by_index(1) # 使用索引的方式获取sheet2工作簿
    print(r.cell_xf_index(4,3))  
openexec()
输出结果为:结果还是出错,raise NotImplementedError("formatting_info=True not yet implemented")
分析:把文件格式改为datalist.xls打开OK,但是格式如果为datalist.xlsx,就会出错,所以我们需要把文件保存为datalist.xls,如下:
在这里插入图片描述

整理后的代码如下:

def openexec():
    book1 = xlrd.open_workbook('datalist.xls',formatting_info=True) # 打开表格,formatting_info参数取值为True时(为了节省内存,该参数默认为False),就会读取各种格式的信息。
    r = book1.sheet_by_index(1) # 使用索引的方式获取sheet2工作簿
    print(r.cell_xf_index(4,3))  
openexec()
输出结果为:77
这个cell_xf_index感觉像是单元格中数据区域的大小
目录
相关文章
|
16天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
19天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
50 0
|
12天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
46 4
|
12天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
24 2
|
17天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
36 7
|
18天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
23 3
|
21天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
45 5
|
20天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
31 2
|
11天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
17天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
36 0