Python 利用Python操作excel表格之openyxl介绍Part1

简介: Python 利用Python操作excel表格之openyxl介绍Part1

利用Python操作excel表格之openyxl介绍

by:授客QQ:1033553122

欢迎加入全国软件测试交流qq群(群号:7156436),免费获取以下性能监控工具(类似Nmon精简版)

实验环境

python 3.4.0

 

penpyxl-2.5.3-py3.4

网盘下载地址:

下载地址:https://pan.baidu.com/s/1RC6O7tKavz8ffPgPOJ4jdg

下载地址:https://bitbucket.org/openpyxl/openpyxl/downloads/

 

 

测试代码

 

fromopenpyxlimportload_workbook
fromopenpyxl.chartimportLineChart, AreaChart
fromopenpyxl.chartimportReference, Series

fromopenpyxlimportWorkbook

## 加载已存在工作簿
work_book = load_workbook('mydata.xlsx')

## 获取工作簿拥有的所有Sheet名称
sheet_names = work_book.sheetnames
print('工作簿拥有的所有Sheet名称:%s'% sheet_names)

print('工作簿拥有的所有Sheet名称:')
forsheetinwork_book:
   print('%s '% sheet.title,end=' ')

## 根据名称获取的Sheet工作表
sheet = work_book['CPUALL']

## 获取Sheet工作表的名称
sheet_name = sheet.title
print('\n工作表名称:%s\n'% sheet_name)


## 获取指定工作表的行数
min_row = sheet.min_row
print('CPUALL工作表的最小行数:', min_row)

# 注意:row,column最小值是从1开始的

max_row = sheet.max_row
print('CPUALL工作表的最大行数:%s\n'% max_row)

## 获取指定工作表的列数
min_column = sheet.min_column
print('CPUALL工作表的最小列数:', min_column)

max_column = sheet.max_column
print('CPUALL工作表的最大列数:%s\n'% max_column)

## 获取单元格
A2_cell = sheet.cell(row=2,column=1)
#A2_cell = sheet['A2']

## 获取单元格的值
value_for_A2_cell = A2_cell.value
print('A2单元格的值:%s\n'% value_for_A2_cell)

# 修改单元格的值
B2_cell = sheet['B2']
B2_cell.value =30
print('B2单元格的值:%s\n'% B2_cell.value)

print('B3单元格的值:%s\n'% sheet.cell(row=3,column=2,value=40))

## 获取单元格区域、行、列区域
print('获取单元格区域A2:D7\n')
forrowinsheet['A2':'D7']:
   count =0
   forcellinrow:
       count = count +1
       print(cell.value,end='\t')
       ifcount ==len(row):
           print()

# 获取指定列
colC = sheet['C']  # 获取第C列
col_range = sheet['C:D']  # 获取C到D列

# 获取指定行
row3 = sheet[3]          # 获取第3行
row_range = sheet[2:4]       # 获取第2到第4行


## 遍历行
print('\n遍历行')
# 方法1
forrowinsheet.rows:
   count =0
   forcellinrow:
       count = count +1
       print(cell.value,end='\t')
       ifcount ==len(row):
           print()

# 方法2
forrowinsheet.iter_rows(min_row=1,max_col=3,max_row=2):
   forcellinrow:
       print(row)

## 遍历列
print('\n遍历列')
# 方法1:
forcolumninsheet.columns:
   count =0
   forcellincolumn:
       count = count +1
       print(cell.value,end='\t')
       ifcount ==len(column):
           print()

# 方法2:
forcolinsheet.iter_cols(min_row=1,max_col=3,max_row=2):
   forcellincol:
       print(cell)

 

 

 

目录
相关文章
|
SQL 自然语言处理 数据库
【Azure Developer】分享两段Python代码处理表格(CSV格式)数据 : 根据每列的内容生成SQL语句
本文介绍了使用Python Pandas处理数据收集任务中格式不统一的问题。针对两种情况:服务名对应多人拥有状态(1/0表示),以及服务名与人名重复列的情况,分别采用双层for循环和字典数据结构实现数据转换,最终生成Name对应的Services列表(逗号分隔)。此方法高效解决大量数据的人工处理难题,减少错误并提升效率。文中附带代码示例及执行结果截图,便于理解和实践。
468 5
|
数据处理 索引 Python
用Python实现数据录入、追加、数据校验并生成表格
本示例展示了如何使用Python和Pandas库实现学生期末考试成绩的数据录入、追加和校验,并生成Excel表格。首先通过`pip install pandas openpyxl`安装所需库,然后定义列名、检查并读取现有数据、用户输入数据、数据校验及保存至Excel文件。程序支持成绩范围验证,确保数据准确性。
906 14
|
数据采集 数据可视化 数据挖掘
利用Python自动化处理Excel数据:从基础到进阶####
本文旨在为读者提供一个全面的指南,通过Python编程语言实现Excel数据的自动化处理。无论你是初学者还是有经验的开发者,本文都将帮助你掌握Pandas和openpyxl这两个强大的库,从而提升数据处理的效率和准确性。我们将从环境设置开始,逐步深入到数据读取、清洗、分析和可视化等各个环节,最终实现一个实际的自动化项目案例。 ####
3112 10
|
人工智能 Java Linux
Python高效实现Excel转PDF:无Office依赖的轻量化方案
本文介绍无Office依赖的Python方案,利用Spire.XLS、python-office、Aspose.Cells等库实现Excel与PDF高效互转。支持跨平台部署、批量处理、格式精准控制,适用于服务器环境及自动化办公场景,提升转换效率与系统稳定性。
1130 7
|
12月前
|
机器学习/深度学习 监控 数据挖掘
Python 高效清理 Excel 空白行列:从原理到实战
本文介绍如何使用Python的openpyxl库自动清理Excel中的空白行列。通过代码实现高效识别并删除无数据的行与列,解决文件臃肿、读取错误等问题,提升数据处理效率与准确性,适用于各类批量Excel清理任务。
980 0
|
移动开发 JavaScript
(H5查看CAD)网页CAD提取图纸表格到excel
本文介绍如何通过自定义MxCAD插件,在Web端智能识别CAD图纸中的表格,实现自动合并与高效导出至Excel,提升数据提取效率与准确性。内容涵盖区域选择、图形识别、表格结构重建、单元格合并及内容导出等关键技术,适用于工程图纸数据自动化处理场景。
|
开发工具 Python
使用Python和OpenAPI将云上的安全组规则填写入Excel
本文介绍如何通过Python脚本自动化获取阿里云安全组及其规则信息,并将结果导出为Excel表格。相比CLI命令行方式,Python实现更高效、便捷,适用于需要批量处理和交付的场景。
使用Python和OpenAPI将云上的安全组规则填写入Excel
|
机器学习/深度学习 数据采集 数据可视化
Python数据分析,别再死磕Excel了!
Python数据分析,别再死磕Excel了!
590 2
|
存储 机器学习/深度学习 人工智能
多模态RAG实战指南:完整Python代码实现AI同时理解图片、表格和文本
本文探讨了多模态RAG系统的最优实现方案,通过模态特定处理与后期融合技术,在性能、准确性和复杂度间达成平衡。系统包含文档分割、内容提取、HTML转换、语义分块及向量化存储五大模块,有效保留结构和关系信息。相比传统方法,该方案显著提升了复杂查询的检索精度(+23%),并支持灵活升级。文章还介绍了查询处理机制与优势对比,为构建高效多模态RAG系统提供了实践指导。
3075 0
多模态RAG实战指南:完整Python代码实现AI同时理解图片、表格和文本

热门文章

最新文章

推荐镜像

更多