【python】如何将数据在csv和xlsx之间相互转换

简介: 【python】如何将数据在csv和xlsx之间相互转换

一、将数据从xlsx写到csv里

       1、使用pandas

       要将数据从XLSX(Excel)文件写入CSV文件中,您可以使用Python的pandas库。

       下面是一个示例程序:

import pandas as pd
# 从XLSX文件读取数据
df = pd.read_excel('input.xlsx')
# 将数据写入CSV文件
df.to_csv('output.csv', index=False)

在上述示例中,我们首先使用pd.read_excel()方法从XLSX文件读取数据,并将其存储为DataFrame对象df。然后,我们使用df.to_csv()方法将数据写入CSV文件,其中index=False表示不包含索引列。

请注意,在运行此示例之前,您需要先安装pandas库,您可以使用以下命令来安装它:

pip install pandas

通过上述方法,您可以将数据从XLSX文件写入CSV文件中,以便在其他应用程序或环境中使用CSV格式的数据。

       2、不使用pandas

       如果不使用pandas库,可以使用openpyxlcsv模块来将数据从XLSX文件写入CSV文件中。

下面是一个示例程序:

import openpyxl
import csv
# 打开XLSX文件
wb = openpyxl.load_workbook('input.xlsx')
# 选择第一个工作表
sheet = wb.active
# 打开CSV文件
with open('output.csv', 'w', newline='') as csvfile:
    writer = csv.writer(csvfile)
    # 遍历工作表的行
    for row in sheet.iter_rows(values_only=True):
        writer.writerow(row)
# 关闭XLSX文件
wb.close()
  • 在上述代码中,for row in sheet.iter_rows(values_only=True) 是一个循环语句,用于遍历工作表中的每一行数据。
  • sheet.iter_rows()openpyxl 库中工作表对象的方法,用于迭代遍历工作表的行。通过设置 values_only=True,我们可以直接获取每个单元格的值,而不是包含单元格对象的元组。
  • 在每次循环中,row 变量表示当前行的数据。在下一行的代码中,我们使用 writer.writerow(row) 将当前行的数据写入 CSV 文件。
  • 通过使用 sheet.iter_rows(values_only=True),我们可以方便地遍历工作表的每一行并访问其中的数据,而无需使用复杂的索引或方法来获取单元格的值。

 

二、将数据从csv写到xlsx里

       1、使用pandas        

       要将数据从CSV文件写入到XLSX(Excel)文件中,您可以使用Python的pandas库和openpyxl库。pandas库提供了方便的方法来读取和处理CSV文件,而openpyxl库用于创建和写入Excel文件。

下面是一个示例程序:

import pandas as pd
# 从CSV文件读取数据
df = pd.read_csv('input.csv')
# 创建Excel Writer对象
writer = pd.ExcelWriter('output.xlsx', engine='openpyxl')
# 将数据写入Excel文件
df.to_excel(writer, index=False)
# 保存并关闭Excel文件
writer.save()
writer.close()

在上述示例中,我们首先使用pd.read_csv()方法从CSV文件读取数据,并将其存储为DataFrame对象df。然后,我们创建一个Excel Writer对象,并将其指定为openpyxl引擎。接下来,我们使用df.to_excel()方法将数据写入Excel文件,其中index=False表示不包含索引列。最后,我们使用writer.save()保存并关闭Excel文件。

请注意,为了运行此示例,您需要先安装pandasopenpyxl库,您可以使用以下命令来安装它们:

pip install pandas openpyxl

通过上述方法,您可以方便地将数据从CSV文件写入到XLSX文件中,并且可以根据需要进行进一步的Excel文件操作。

       2、不使用pandas

      如果不使用pandas库,可以使用openpyxlcsv模块来将数据从CSV文件写入XLSX文件中。

下面是一个示例程序:

import openpyxl
import csv
# 创建新的XLSX文件
wb = openpyxl.Workbook()
sheet = wb.active
# 打开CSV文件
with open('input.csv', 'r') as csvfile:
    reader = csv.reader(csvfile)
    # 遍历CSV文件的行
    for row in reader:
        sheet.append(row)
# 保存XLSX文件
wb.save('output.xlsx')
  • 在上述示例中,我们首先创建了一个新的XLSX文件,并获取其默认的活动工作表(通过wb.active)。然后,我们使用内置的csv模块打开CSV文件,并创建一个csv.reader对象来读取数据。
  • 接下来,我们使用for row in reader循环遍历CSV文件的每一行,并使用sheet.append(row)将每一行添加到XLSX文件的工作表中。
  • 最后,我们使用wb.save()方法保存XLSX文件。
相关文章
|
2月前
|
机器学习/深度学习 新能源 调度
电力系统短期负荷预测(Python代码+数据+详细文章讲解)
电力系统短期负荷预测(Python代码+数据+详细文章讲解)
181 1
|
2月前
|
缓存 API 网络架构
淘宝item_search_similar - 搜索相似的商品API接口,用python返回数据
淘宝联盟开放平台中,可通过“物料优选接口”(taobao.tbk.dg.optimus.material)实现“搜索相似商品”功能。该接口支持根据商品 ID 获取相似推荐商品,并返回商品信息、价格、优惠等数据,适用于商品推荐、比价等场景。本文提供基于 Python 的实现示例,包含接口调用、数据解析及结果展示。使用时需配置淘宝联盟的 appkey、appsecret 和 adzone_id,并注意接口调用频率限制和使用规范。
|
27天前
|
存储 监控 API
Python实战:跨平台电商数据聚合系统的技术实现
本文介绍如何通过标准化API调用协议,实现淘宝、京东、拼多多等电商平台的商品数据自动化采集、清洗与存储。内容涵盖技术架构设计、Python代码示例及高阶应用(如价格监控系统),提供可直接落地的技术方案,帮助开发者解决多平台数据同步难题。
|
1月前
|
存储 JSON 算法
Python集合:高效处理无序唯一数据的利器
Python集合是一种高效的数据结构,具备自动去重、快速成员检测和无序性等特点,适用于数据去重、集合运算和性能优化等场景。本文通过实例详解其用法与技巧。
86 0
|
12天前
|
JSON API 数据安全/隐私保护
Python采集淘宝评论API接口及JSON数据返回全流程指南
Python采集淘宝评论API接口及JSON数据返回全流程指南
|
14天前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
23天前
|
数据可视化 大数据 数据挖掘
基于python大数据的招聘数据可视化分析系统
本系统基于Python开发,整合多渠道招聘数据,利用数据分析与可视化技术,助力企业高效决策。核心功能包括数据采集、智能分析、可视化展示及权限管理,提升招聘效率与人才管理水平,推动人力资源管理数字化转型。
|
11月前
|
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。
310 0
|
11月前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
222 2
|
11月前
|
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。
218 2

推荐镜像

更多