Python学习的自我理解和想法(24)

简介: 本文记录了学习Python操作Excel的第24天内容,基于B站千锋教育课程。主要介绍openpyxl插件的使用,包括安装、读取与写入Excel文件、插入图表等操作。具体内容涵盖加载工作簿、获取单元格数据、创建和保存工作表,以及通过图表展示数据。因开学时间有限,文章简要概述了各步骤代码实现,适合初学者参考学习。如有不足之处,欢迎指正!

学的是b站的课程(千锋教育),跟老师写程序,不是自创的代码!
今天是学Python的第24天,学的内容是python对Excel的操作。开学了,时间不多,写得不详细,见谅。
目录
1.插件介绍
2.安装 openpyxl
3.读取Excel文件内容
(1).加载一个工作簿
(2).获取工作表名称
(3).获取具体的工作表
(4).获取单元格的范围
(5).获取工作表的行数和列数
(6).获取指定单元格的值
(7).获取多个单元格的数据
1.enumerate( )方法

  1. 双层循环
    (8).读取单元格中所有的数据
    4.写入Excel文件
    (1).创建工作薄
    (2).添加工作表
    (3).保存工作簿
    (4).结果
    5.插入图表
    (1).导入模块
    (2).创建对象
    (3).创建一个工作表
    (4).导入数据(元组形式导入)
    (5).向表单中添加行
    (6).创建图片对象
    (7).设置图表的标题
    (8).设置图表标题
    (9).设置数据的范围
    (10).设置分类的范围
    (11).给图表添加数据
    (12).给图表设置分类
    (13).将图标插入到工作表中指定的单元格
    (14).保存
    (15).总代码
    (16).演示
    总结

1.插件介绍

这章介绍的是openpyxl插件。openpyxl 是一个用于读写 Excel 2010 xlsx/xlsm/xltx/xltm 文件的 Python 库。它提供了一系列简单易用的函数和方法,让我们可以轻松地操作 Excel 文件,包括读取、写入、修改单元格内容、设置格式等。

2.安装 openpyxl

在使用 openpyxl 之前,我们需要先安装它。可以通过以下命令使用 pip 进行安装:

pip install openpyxl

安装完成后,我们就可以在 Python 代码中导入 openpyxl 库了

3.读取Excel文件内容

(1).加载一个工作簿

语法:openpyxl.load_workbook
image.png

(2).获取工作表名称

语法:wb.sheetnames
image.png

(3).获取具体的工作表

语法:wb.worksheets[0]
image.png

(4).获取单元格的范围

语法:sheet.dimensions
image.png

(5).获取工作表的行数和列数

语法:sheet.max_row,sheet.max_column
image.png

(6).获取指定单元格的值

语法:sheet['XX'].value
image.png

(7).获取多个单元格的数据

1.enumerate( )方法

注意:用enumerate包装一迭代对象,可以同时使用索引和迭代项,在迭代的同时获得迭代项所在的位置时,才能使结果不是元组!
image.png

2. 双层循环

image.png

(8).读取单元格中所有的数据

image.png

4.写入Excel文件

(1).创建工作薄

语法:openpyxl.Workbook()

(2).添加工作表、

# 第二步:添加工作表
sheet = wb.active
sheet.title = "笔试成绩"
titles = ["姓名","骑马","射箭","举重"]
for col_index,title in enumerate(titles):
    sheet.cell(1,col_index+1,title)
names = ("魏延","吕布","许褚","夏侯惇","黄盖")

for row_index,name in enumerate(names):
    sheet.cell(row_index+2,1,name)
    for col_index in range(2,5):
        sheet.cell(row_index+2,col_index,random.randrange(50,101))

(3).保存工作簿

wb.save("../pycharm测试文件/test64附件-三国擂台赛成绩.xlsx")

(4).结果

image.png

5.插入图表

(1).导入模块

# 导入模块
from openpyxl import workbook
from openpyxl.chart import BarChart, Reference  # 画图
from openpyxl.workbook import Workbook

(2).创建对象

wb = Workbook(write_only=True

(3).创建一个工作表

sheet = wb.create_sheet()

(4).导入数据(元组形式导入)

rows = [
    ('类别','销售A组','销售B组'),
    ('手机',40,30),
    ('平板电脑',50,60),
    ('笔记本',80,70),
    ('VR眼镜',20,10)
]

(5).向表单中添加行

for row in rows:
    sheet.append(row)

(6).创建图片对象

chart = BarChart()
chart.type = 'col'
chart.style = 10

(7).设置图表的标题

chart.title = "销售统计图"

(8).设置图表标题

# 设置图表纵轴的标题
chart.y_axis.title = "销量"
# 设置图表横轴的标题
chart.x_axis.title = "商品类别"

(9).设置数据的范围

data = Reference(sheet, min_col=2, min_row=1, max_row=5,max_col=3)

(10).设置分类的范围

cats = Reference(sheet, min_col=1, min_row=2, max_row=5)

(11).给图表添加数据

chart.add_data(data,titles_from_data=True)

(12).给图表设置分类

chart.set_categories(cats)
chart.shape = 4
##(13).将图标插入到工作表中指定的单元格
sheet.add_chart(chart,'A10')

(14).保存

wb.save('../pycharm测试文件/test66附件-销量统计表.xlsx')

(15).总代码

# 导入模块
from openpyxl import workbook
from openpyxl.chart import BarChart, Reference  # 画图
from openpyxl.workbook import Workbook

# 创建对象
wb = Workbook(write_only=True)
# 创建一个工作表
sheet = wb.create_sheet()

# 导入数据(元组形式导入)
rows = [
    ('类别','销售A组','销售B组'),
    ('手机',40,30),
    ('平板电脑',50,60),
    ('笔记本',80,70),
    ('VR眼镜',20,10)
]

# 向表单中添加行
for row in rows:
    sheet.append(row)

# 创建图片对象
chart = BarChart()
chart.type = 'col'
chart.style = 10
# 设置图表的标题
chart.title = "销售统计图"
# 设置图表纵轴的标题
chart.y_axis.title = "销量"
# 设置图表横轴的标题
chart.x_axis.title = "商品类别"
# 设置数据的范围
data = Reference(sheet, min_col=2, min_row=1, max_row=5,max_col=3)
# 设置分类的范围
cats = Reference(sheet, min_col=1, min_row=2, max_row=5)
# 给图表添加数据
chart.add_data(data,titles_from_data=True)
# 给图表设置分类
chart.set_categories(cats)
chart.shape = 4
# 将图标插入到工作表中指定的单元格
sheet.add_chart(chart,'A10')

wb.save('../pycharm测试文件/test66附件-销量统计表.xlsx')

(16).演示

image.png

总结

这是我今天学Python的自我想法和对其的理解,有不对的地方请同志们多多包涵,谢谢观看!

相关文章
|
11天前
|
安全 数据安全/隐私保护 Python
Python学习的自我理解和想法(27)
本文记录了学习Python第27天的内容,主要介绍了使用Python操作PPTX和PDF的技巧。其中包括通过`python-pptx`库创建PPTX文件的详细步骤,如创建幻灯片对象、选择母版布局、编辑标题与副标题、添加文本框和图片,以及保存文件。此外,还讲解了如何利用`PyPDF2`库为PDF文件加密,涵盖安装库、定义函数、读取文件、设置密码及保存加密文件的过程。文章总结了Python在处理文档时的强大功能,并表达了对读者应用这些技能的期待。
|
6天前
|
存储 搜索推荐 算法
Python学习的自我理解和想法(28)
本文记录了学习Python第28天的内容——冒泡排序。通过B站千锋教育课程学习,非原创代码。文章详细介绍了冒泡排序的起源、概念、工作原理及多种Python实现方式(普通版、进阶版1和进阶版2)。同时分析了其时间复杂度(最坏、最好、平均情况)与空间复杂度,并探讨了实际应用场景(如小规模数据排序、教学示例)及局限性(如效率低下、不适用于高实时性场景)。最后总结了冒泡排序的意义及其对初学者的重要性。
|
12天前
|
Python
Python学习的自我理解和想法(26)
这是一篇关于使用Python操作Word文档的学习总结,基于B站千锋教育课程内容编写。主要介绍了通过`python-docx`库在Word中插入列表(有序与无序)、表格,以及读取docx文件的方法。详细展示了代码示例与结果,涵盖创建文档对象、添加数据、设置样式、保存文件等步骤。虽为开学后时间有限下的简要记录,但仍清晰梳理了核心知识点,有助于初学者掌握自动化办公技巧。不足之处欢迎指正!
|
23天前
|
数据采集 数据挖掘 Python
Python学习的自我理解和想法(22)
本文记录了作者学习Python第22天的内容——正则表达式,基于B站千锋教育课程。文章简要介绍了正则表达式的概念、特点及使用场景(如爬虫、数据清洗等),并通过示例解析了`re.search()`、`re.match()`、拆分、替换和匹配中文等基本语法。正则表达式是文本处理的重要工具,尽管入门较难,但功能强大。作者表示后续会深入讲解其应用,并强调学好正则对爬虫学习的帮助。因时间有限,内容为入门概述,不足之处敬请谅解。
|
16天前
|
Python
Python学习的自我理解和想法(25)
这是一篇关于Python操作Word文档(docx)的教程总结,基于B站千锋教育课程学习(非原创代码)。主要内容包括:1) docx库插件安装;2) 创建与编辑Word文档,如添加标题、段落、设置字体样式及保存;3) 向新或现有Word文档插入图片。通过简单示例展示了如何高效使用python-docx库完成文档操作。因开学时间有限,内容精简,后续将更新列表和表格相关内容。欢迎指正交流!
|
23天前
|
Python
Python学习的自我理解和想法(23)
本文记录了学习Python正则表达式的第23天心得,内容基于B站麦叔课程。文章分为三个部分:1) 正则表达式的七个境界,从固定字符串到内部约束逐步深入;2) 写正则表达式的套路,以座机号码为例解析模式设计;3) 正则表达式语法大全,涵盖字符类别、重复次数、组合模式、位置、分组、标记、特殊字符和替换等知识点。总结中表达了对知识的理解,并欢迎指正。
|
2月前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
8天前
|
数据采集 安全 BI
用Python编程基础提升工作效率
一、文件处理整明白了,少加两小时班 (敲暖气管子)领导让整理100个Excel表?手都干抽筋儿了?Python就跟铲雪车似的,哗哗给你整利索!
47 11
|
2月前
|
人工智能 Java 数据安全/隐私保护
[oeasy]python081_ai编程最佳实践_ai辅助编程_提出要求_解决问题
本文介绍了如何利用AI辅助编程解决实际问题,以猫屎咖啡的购买为例,逐步实现将购买斤数换算成人民币金额的功能。文章强调了与AI协作时的三个要点:1) 去除无关信息,聚焦目标;2) 将复杂任务拆解为小步骤,逐步完成;3) 巩固已有成果后再推进。最终代码实现了输入验证、单位转换和价格计算,并保留两位小数。总结指出,在AI时代,人类负责明确目标、拆分任务和确认结果,AI则负责生成代码、解释含义和提供优化建议,编程不会被取代,而是会更广泛地融入各领域。
99 28
|
2月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。