#python##excel##办公##自动化##office#
告别手动复制粘贴，3分钟学会用Python操作Excel，效率提升100%！
导语
你是否还在为Excel中繁琐的数据处理抓狂？每天重复的复制粘贴、公式计算、格式调整，浪费大量时间？Python的自动化操作，能让你一键完成所有任务！本文从零基础出发，手把手教你用Python玩转Excel，代码可直接复制使用，小白也能轻松上手！
一、环境准备：安装必备工具
Python操作Excel依赖第三方库，推荐以下工具（安装命令一键搞定）：
pip install pandas openpyxl xlwt xlrd xlsxwriter # 数据处理的万金油组合:cite[4]:cite[8]- pandas：数据分析神器，适合批量处理表格。
- openpyxl/xlwt/xlrd：分别用于读写.xlsx和.xls文件。
- xlsxwriter：生成复杂格式的Excel报告。
二、Excel基础操作：读写数据
1. 读取Excel文件
示例1：用pandas一键读取
import pandas as pd
df = pd.read_excel("销售数据.xlsx", sheet_name="Sheet1")
print(df.head()) # 输出前5行数据:cite[8]示例2：用xlrd逐行读取
import xlrd
workbook = xlrd.open_workbook("销售数据.xls")
sheet = workbook.sheet_by_index(0)
for row in range(sheet.nrows):
print(sheet.row_values(row)) # 逐行打印:cite[6]2. 写入Excel文件
示例1：用xlwt创建新表格
import xlwt
workbook = xlwt.Workbook()
sheet = workbook.add_sheet("员工信息")
sheet.write(0, 0, "姓名")
sheet.write(0, 1, "薪资")
sheet.write(1, 0, "张三")
sheet.write(1, 1, 15000)
workbook.save("员工表.xls") # 保存为.xls格式:cite[3]示例2：用openpyxl追加数据
from openpyxl import load_workbook
wb = load_workbook("销售数据.xlsx")
sheet = wb.active
sheet.append(["李四", "2025-02-23", 30000]) # 在末尾添加一行数据
wb.save("更新后数据.xlsx"):cite[4]三、Excel进阶技巧：数据处理与美化
1. 数据清洗与计算
筛选高薪员工
# 使用pandas筛选薪资>10000的员工
high_salary = df[df["薪资"] > 10000]
high_salary.to_excel("高薪名单.xlsx", index=False):cite[8]自动统计部门平均薪资
avg_salary = df.groupby("部门")["薪资"].mean()
print(avg_salary) # 输出各部门平均薪资:cite[8]2. 表格美化与图表生成
设置单元格样式（字体、边框、颜色）
import xlsxwriter
workbook = xlsxwriter.Workbook("报表.xlsx")
sheet = workbook.add_worksheet()
bold_format = workbook.add_format({"bold": True, "font_color": "red"})
sheet.write("A1", "关键指标", bold_format)
sheet.set_column("A:B", 20) # 设置列宽:cite[9]插入柱状图
chart = workbook.add_chart({"type": "column"})
chart.add_series({"values": "=Sheet1!$B$2:$B$10"}) # 引用B2-B10数据
sheet.insert_chart("D2", chart) # 将图表插入D2位置:cite[9]四、实战案例：自动化生成月度报表
需求：合并多个部门数据，计算总销售额，并生成可视化图表。
import pandas as pd
# 1. 合并数据
df1 = pd.read_excel("部门A.xlsx")
df2 = pd.read_excel("部门B.xlsx")
merged_df = pd.concat([df1, df2])
# 2. 计算总销售额
total_sales = merged_df["销售额"].sum()
# 3. 生成带图表的报告
with pd.ExcelWriter("月度报告.xlsx", engine="xlsxwriter") as writer:
merged_df.to_excel(writer, sheet_name="汇总", index=False)
workbook = writer.book
chart = workbook.add_chart({"type": "line"})
chart.add_series({"values": "=汇总!$C$2:$C$20"})
writer.sheets["汇总"].insert_chart("E2", chart):cite[4]:cite[9]五、总结：Python处理Excel的四大优势
- 自动化：批量处理数据，告别重复劳动。
- 高效计算：复杂运算（如分组统计、条件筛选）一行代码搞定。
- 灵活兼容：支持.xls、.xlsx格式，兼容老旧系统。
- 专业报告：通过xlsxwriter生成带图表、格式的商务报表。
结语
Python操作Excel不仅节省时间，更能解锁数据分析的无限可能！本文代码已通过实测，可直接复制到你的项目中。关注我，获取更多Python办公自动化技巧！ 如果有疑问，欢迎评论区留言，我会一一解答！
相关话题
- 如何用Python自动发送Excel邮件？
- 爬虫+Excel：一键抓取网页数据生成报表
- 高级技巧：用Python实现Excel与数据库联动