pandas操作Excel

### 如何使用 Pandas 进行 Excel 文件操作 #### 安装依赖库 为了能够顺利读写 Excel 文件，需先确保环境中已经安装了 `pandas` 和其他必要的包。如果尚未安装这些软件包，则可以通过 pip 工具来完成安装。 ```bash pip install pandas openpyxl xlrd ``` 上述命令会自动下载并配置所需的 Python 库[^2]。 #### 读取 Excel 文件 ##### 基本语法结构 要从 Excel 中加载数据到 DataFrame 对象里，可以调用 `pd.read_excel()` 函数： ```python import pandas as pd df = pd.read_excel('example.xlsx') print(df.head()) ``` 这段代码将会把名为 "example.xlsx" 的电子表格中的第一个工作表的数据导入成一个 DataFrame 并打印前几行的内容[^1]。 ##### 自定义参数设置 当面对更复杂的场景时，比如多页签的工作簿或是特定列作为索引等情况，可利用更多选项来自定义读取行为: - **指定工作表**: 可以通过传递整数（代表第几个sheet）、字符串（对应sheet名称），或者是列表/字典形式来指明具体要读哪个或哪些 sheet。 ```python df_sheet_1 = pd.read_excel('example.xlsx', sheet_name=0) # 第一张表 df_named_sheet = pd.read_excel('example.xlsx', sheet_name='SheetName') # 名称为'SheetName'的表 ``` - **跳过某些行**: 如果存在标题栏或其他不需要的信息位于文件顶部，可以用 `skiprows` 参数忽略它们；同样地，对于底部无意义的数据也可以借助 `skipfooter` 来排除。 ```python df_skipped_rows = pd.read_excel('example.xlsx', skiprows=[0, 1], skipfooter=2) ``` - **设定数据类型**: 若希望强制转换某列的数据格式，在创建 DataFrame 后再做更改可能会比较麻烦，因此可以在一开始就声明每列对应的 dtype 类型。 ```python custom_dtypes = {'ColumnA': str, 'ColumnB': float} df_with_types = pd.read_excel('example.xlsx', dtype=custom_dtypes) ``` 以上仅列举了一些常用的功能点，实际上还有许多其他的细粒度控制可供探索[^4]。 #### 写入 Excel 文件 一旦完成了数据分析或者修改之后，就可以很方便地保存回新的 Excel 文件中去。这里介绍两种主要的方式 —— 单独保存整个 DataFrame 或者分批次追加记录至现有文档内。 ##### 整体导出为新文件 最简单的方法就是直接调用 `.to_excel()` 方法，并传入目标路径以及额外的一些格式化指示符： ```python data_to_save = { '姓名': ['张三', '李四'], '成绩': [95, 87], } df_new_data = pd.DataFrame(data_to_save) # 将DataFrame对象存入Excel文件中，不带默认索引 df_new_data.to_excel('output.xlsx', index=False) ``` 此段脚本会在当前目录下生成一个新的叫做 output.xlsx 的文件，其中包含了由给定字典构建出来的两行学生信息[^3]。 ##### 多次更新同一文件的不同 Sheet 有时可能需要在一个现有的 Excel 文件里面增加多个独立的工作表，这时就需要配合 `ExcelWriter` 上下文管理器一起用了： ```python with pd.ExcelWriter('multi_sheets_output.xlsx') as writer: df_students.to_excel(writer, sheet_name="Students", index=False) df_courses.to_excel(writer, sheet_name="Courses", index=False) ``` 这种方式允许在同一份 Excel 文档内部按顺序依次添加不同的 DataFrames 到各自的 sheets 当中。