数据处理不再烦恼,Python 轻松将数据写入 Excel的方法。

简介: 数据处理不再烦恼,Python 轻松将数据写入 Excel的方法。

前言


本文介绍python向excell中写入数据的两种方法:

第一种是一次性写入数据,写第二次的话,之前的数据就会全部丢失!要写入的Excell可以有也可以没有;

第二种是追加方式写入数据,在工作中,显然第二种方式使用的更多。


链接


0、为什么将数据写入excel?


  • 将数据从Python写入Excel的功能可以帮助用户更方便、快速地处理和分析大量数据,以及更好地进行数据可视化。这对于需要在工作中进行大量数据处理和分析的人来说非常有用,如数据分析师、研究人员、财务人员等。通过Python,用户可以自动化地将数据导入Excel,以便更好地组织和分析数据。同时,这种方法还可以减少数据输入错误的风险,提高数据处理效率。
  • Python可以使用第三方库来实现将数据写入Excel文件的功能,其中最常用的库是openpyxl和xlwt。
  • openpyxl库是一种基于Python的开源库,提供了创建和修改Excel文件的方法。使用openpyxl库,用户可以将Python数据结构转换为Excel工作簿、工作表、单元格等对象,以便于对这些数据进行操作和修改。


一、一次性写入数据(xlwt)

# 一次性写入所有文件,直接覆盖,无法追加写入!
# 导入xlwt模块
import xlwt
# 创建一个Workbook对象 编码encoding
Excel = xlwt.Workbook(encoding='utf-8', style_compression=0)
# 添加一个sheet工作表、sheet名命名为Sheet1、cell_overwrite_ok=True允许覆盖写
table = Excel.add_sheet('Sheet1', cell_overwrite_ok=True)
# 写入第几行、第几列的数据,数据是什么,从0行、0列开始算起。
classification = ['公用', '吃', '硬', '喝', '酸', '甜', '酸甜', '辣', '苦', '热', '烫', '冷', '凉', '冰', '浓', '淡', '咸', '咸淡', '香', '咸香', '脆', '酥', '香脆', '汁', '油', '肉', '嫩', '嚼劲', '软', '柔', '滑', '大', '小', '少', '差', '不', '形容饭的多少', '美味', '新鲜', '入味', '味道', '特色', '一般', '炸', '腥味', '恶心', '难受', '怪', '臭', '']
# 写入第一行。
for i in range(len(classification)):
# 函数:table.write(行, 列, 要写入的数据)
    table.write(0, i, classification[i])
# Excel表保存的文件名字
Excel.save(r'./Excell/classification_statistics.xlsx')


二、追加方式写入数据(openpyxl)

import openpyxl
# 追加方式写入数据
# 读取excel文件,获取workbook对象
wb = openpyxl.load_workbook("Test.xlsx")
# 通过名称获取工作薄
sheet = wb['Sheet']
# 插入一行数据
sheet.append(["Hello", "World"])
# 具体修改哪一行那一列的数据
# 注意:cell的参数row、column必须是大于等于1的。
# sheet.cell(行, 列).value = 数据
# 保存,传入原文件则在原文件上追加数据,也可以保存为新文
wb.save("Test.xlsx")
# 如果报错zipfile.BadZipFile: File is not a zip file,
# 则删除文件,重新手动创建一个文件就可以了,不要用代码创建!
# openpyxl更加详细的使用可以参见博客:https://blog.csdn.net/weixin_41546513/article/details/109555832


总结


庆祝粉丝过万啦!🎉🎉🎉

相关文章
|
6月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
3582 1
|
6月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
450 0
|
6月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
520 0
|
6月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
637 0
|
6月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
330 0
|
6月前
|
JSON 算法 API
Python采集淘宝商品评论API接口及JSON数据返回全程指南
Python采集淘宝商品评论API接口及JSON数据返回全程指南
|
6月前
|
JSON API 数据安全/隐私保护
Python采集淘宝拍立淘按图搜索API接口及JSON数据返回全流程指南
通过以上流程,可实现淘宝拍立淘按图搜索的完整调用链路,并获取结构化的JSON商品数据,支撑电商比价、智能推荐等业务场景。
|
6月前
|
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。
689 7
|
7月前
|
数据采集 关系型数据库 MySQL
python爬取数据存入数据库
Python爬虫结合Scrapy与SQLAlchemy,实现高效数据采集并存入MySQL/PostgreSQL/SQLite。通过ORM映射、连接池优化与批量提交,支持百万级数据高速写入,具备良好的可扩展性与稳定性。
|
6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。
590 0

推荐镜像

更多