用Python快速读取Excel数据

这里我常用的 python 对于 excel 的读取库有两个，一个是 xlsxwriter 用于操作 excel 的写入，一个是 xlrd 用于 excel 文件的读取。

使用的库的版本如下：

• xlsx==1.2.6
• xlrd==1.1.0

xlsxwriter 写入 excel

新建一个 excel

import xlsxwriter

path = "/Users/hunter/xxx.xlsx"

wb = xlsxwriter.Workbook(path)

添加一个 sheet：

# 定义 sheet 的名称
sheet_name = "sheet_name"  

# 添加一个 sheet 页
sheet_1 = wb.add_worksheet(sheet_name)

sheet 表格数据的写入sheet 的表格数据有几种方式，一种是通过 x, y 这种坐标轴定位的方式，从左上角开始，左上角也就是 'A1' 的位子为 (0, 0)。

比如我们想要在左上角写入数据：

sheet1.write(0, 0, "A1数据")

如果我们想要在第二行，第三列写入数据：

sheet1.write(1, 2, "C2数据")

另一种是通过 excel 的单元格名称来定位写入，比如 'A1'，'D4'这种：

sheet1.write("A1", "A1数据")
sheet1.write("F2", "F2数据")

批量写入除了单个单元格的数据写入，我们还可以通过某个起始单元格来批量写入。

批量写入可以从横向写入，也可以从纵向写入。

比如如果想要从 C2 单元格开始，横向写入 python，java，JS 三条数据，可以如下操作：

sheet1.write_row("C2", ["python", "java", "JS"])

也可以通过 i, j 的定位方式来操作，比如从 "C3" 开始往后写入：

sheet1.write_row(2, 2, ["python", "java", "JS"])

上面的 write_row() 方法是横向写入，从起始位置横向开始写，如果是纵向，那就使用 write_column()

保存然后将这个 excel 保存：

wb.close()

xlrd 读取 excel

注意： 安装 xlrd 的时候不要安装默认的版本，当前默认的最新版本不能解析 xlsx 文件，我这里选择的是 xlrd==1.0.0

使用 xlrd 从 excel 中读取数据的操作方式如下：

获取 excel

import xlrd

path = "/Users/hunter/xxx.xlsx"
workbook = xlrd.open_workbook(path)

获取 sheet

获取 sheet 对象列表：

sheet_list = workbook.sheets()

获取所有的 sheet 的名称列表：

sheet_name_list = workbook.sheet_names()

根据索引获取单个 sheet：

i = 0
sheet = workbook.sheet_by_index(i)

获取单元格数据如果直接获取单元格数据，可以通过坐标轴的 x, y 的方式来定位获取，其中左上角是 (0, 0)。

比如我们想获取 (0, 0) 位子的数据，也就是 'A1' 的单元格，我们可以：

cell = sheet.cell(0, 0)

获取到的是这个单元格对象，如果想要获取其中的值，需要对 cell 对象再取值：

print(cell.value)

也可以直接使用取值的方法：

print(sheet.cell_value(0, 0))

获取行列数据

上面是通过单元格单个获取数据，我们可以单独获取行和列的数据，比如获取第二行的单元格：

row_2 = sheet.row(1)

上面获取到的数据是一个对象列表，每个元素都是一个个的单元格 cell，也就是我们上面通过 cell() 函数获取到的对象。

如果是想直接取值，则可以：

row_value_2 = sheet.row_values(1)

返回的是一个列表，元素是该行单元的 value 值

查看该行长度：

row_value_2_len = sheet.row_len(1)

获取 sheet 的总行数：

nrows = sheet.nrows

根据列获取数据将函数的 row 换成 col 即可，比如获取第二列的数据：

col_value_2 = sheet.col_values(1)

到此这篇关于用Python快速读取Excel数据的文章就介绍到这了,更多相关Python笔记 excel的读取 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！