Python Excel 教程：使用 openpyxl 读取、写入与格式化 Excel

Q: 如何使用 openpyxl 高效读取大型 Excel 文件？

以只读模式（ read_only=True ）打开工作簿以降低内存占用。只读模式按行流式读取数据，而不是将整个工作簿加载到内存中。它可以在不明显变慢的情况下处理包含数十万行的文件，但不支持回写文件。

Q: 使用 openpyxl 与 pandas 操作 Excel 有何区别？

openpyxl 直接针对 Excel 的 .xlsx 格式工作，允许您控制单元格格式、图表、公式以及工作表结构。pandas 将 Excel 视为数据源并将其加载为 DataFrame，更适合数据分析和变换。需要格式化单元格、创建图表或从零构建 Excel 文件时，用 openpyxl；需要从 Excel 过滤、聚合或重塑数据时，用 pandas。

Excel 的一个局限在于难以处理海量数据。在 Excel 中对大量数据执行复杂操作时，尤其是在公式和宏未针对性能优化的情况下，您可能会遇到严重的性能问题。

当您需要重复执行某些任务时，Excel 也会非常耗时。比如，每周都要在多个 Excel 文件上重复同样的分析，就得手动打开文件并一次次地复制粘贴相同的公式。

调查显示，93% 的 Excel 用户认为整合电子表格很耗时，员工每月大约要花 12 小时来合并不同的 Excel 文件。

这些问题可以通过使用 Python 自动化 Excel 工作流来解决。诸如表格合并、数据清洗和预测建模等任务，都可以用一个简单的 Python 脚本在几分钟内完成并写入 Excel 文件。

Excel 用户还可以设置一个Python 自动化脚本按计划运行，免去重复手工操作。

在本文中，我将一步步演示如何：

使用 openpyxl 通过 Python 读取和写入 Excel 文件
在 Python 中创建算术运算和 Excel 公式
使用 Python 操作 Excel 工作表
在 Python 中构建可视化并将其保存到 Excel 文件
使用 Python 设置 Excel 单元格颜色和样式

要点速览

使用 pip install openpyxl 安装 openpyxl
用 openpyxl.load_workbook('file.xlsx') 加载任意 .xlsx 文件；通过 wb.active 或 wb['SheetName'] 访问工作表
使用 ws['A1'].value 读取单元格值；用 ws.iter_rows(values_only=True) 迭代行
通过 ws['A1'] = 'value' 写入单元格，并用 wb.save('file.xlsx') 保存更改
完全在 Python 中创建 Excel 公式、条形图、折线图和条件格式——无需打开 Excel

前置条件

要跟随本教程，您需要：

您的设备上安装了 Python 3.8 或更高版本
具备基本的 Python 知识（变量、循环、函数）
已安装 openpyxl（pip install openpyxl）
一个电子表格查看器（Excel、Google 表格或 LibreOffice Calc）用于查看输出文件

从此 GitHub 仓库下载本教程使用的视频游戏销量数据集。

Openpyxl 简介

Openpyxl 是一个 Python 库，允许用户读取并写入 Excel 文件。

借助该框架，您无需打开 Excel 应用，就能直接在 Python 中编写函数、格式化表格、创建报告和生成图表。

Openpyxl 还支持遍历工作表，在一次运行中对多个数据集执行相同分析。

这使得跨任意数量的工作表自动化重复性 Excel 工作变得直截了当。

Openpyxl 与 Pandas：如何选择

一个常见问题是：做 Excel 相关工作时该用 openpyxl 还是 pandas？答案取决于您的需求。

任务	openpyxl	pandas
从 Excel 读取数据	是	是
写入数据到 Excel	是	是（通过 `to_excel()`）
格式化单元格（字体、颜色、边框）	是	否
在 Excel 文件内创建图表	是	否
使用 Excel 公式	是	否
数据分析与变换	有限	是
超大文件（>100k 行）	使用 `read_only=True`	默认更省内存

当您需要控制 Excel 文件的外观和结构——格式、图表、公式时，用 openpyxl；当您需要筛选、聚合或重塑数据时，用 pandas。我们的 Python pandas 教程深入讲解数据分析部分。

如何安装 Openpyxl

要安装 openpyxl，打开终端或 PowerShell 并运行：

pip install openpyxl技术支持

您应会看到如下消息，表示软件包安装成功：

在 Python 中使用 Openpyxl 读取 Excel 文件

本教程将使用 Kaggle 的电子游戏销量数据集。为便于教程演示，我们的团队已对该数据集做了预处理，您可以通过此链接下载修改后的版本。可按以下流程将 Excel 导入 Python：

加载工作簿

下载数据集后，导入 Openpyxl 库并将工作簿加载到 Python 中：

import openpyxl 

wb = openpyxl.load_workbook('videogamesales.xlsx')技术支持

现在 Excel 文件已作为 Python 对象加载，您需要告诉库要访问哪个工作表。可以通过两种方式完成：

第一种方法是直接调用活动工作表，即工作簿中的第一个工作表，使用以下代码：

ws = wb.active技术支持

或者，如果您知道工作表名称，也可以按名称访问。本节将使用“vgsales”工作表：

ws = wb['vgsales']技术支持

现在让我们统计此工作表的行数和列数：

print('Total number of rows: '+str(ws.max_row)+'. And total number of columns: '+str(ws.max_column))技术支持

以上代码应输出如下结果：

Total number of rows: 16328. And total number of columns: 10技术支持

既然我们知道了工作表的尺寸，接下来学习如何从工作簿读取数据。

高效读取大文件

对于包含大量行的工作簿，请以只读模式打开，以避免将整个文件加载到内存：

import openpyxl

wb = openpyxl.load_workbook('videogamesales.xlsx', read_only=True)
ws = wb.active

for row in ws.iter_rows(values_only=True):
    print(row)技术支持

只读模式会一次流式读取一行，而不是将完整工作簿驻留在内存中。以这种方式打开的工作簿无法回写，因此将其用于大型数据集的读为主流程。

从单个单元格读取数据

以下是我们将在本节中使用的活动工作表的截图：

要用 Openpyxl 从特定单元格取值，您可以这样写：

print(f"The value in cell A1 is: {ws['A1'].value}")技术支持

您应得到如下输出：

The value in cell A1 is: Rank技术支持

从多个单元格读取数据

既然我们知道如何从特定单元格读取数据，那么如果要打印某一行的所有单元格值该怎么办？

为此，您可以编写一个简单的 for 循环，遍历特定行中的所有值：

values = [ws.cell(row=1,column=i).value for i in range(1,ws.max_column+1)]
print(values)技术支持

上述代码将打印第一行的所有值：

['Rank', 'Name', 'Platform', 'Year', 'Genre', 'Publisher', 'NA_Sales', 'EU_Sales', 'JP_Sales', 'Other_Sales']技术支持

接下来，让我们尝试打印特定列中的多行。

我们将创建一个 for 循环，将“Name”列的前十行渲染为列表。应得到下图红框中所示的名称：

data=[ws.cell(row=i,column=2).value for i in range(2,12)]
print(data)技术支持

上述代码将生成如下输出：

['Wii Sports', 'Super Mario Bros.', 'Mario Kart Wii', 'Wii Sports Resort', 'Pokemon Red/Pokemon Blue', 'Tetris', 'New Super Mario Bros.', 'Wii Play', 'New Super Mario Bros. Wii', 'Duck Hunt']技术支持

最后，让我们打印电子表格中某个列范围的前十行：

# reading data from a range of cells (from column 1 to 6)

my_list = list()

for value in ws.iter_rows(
    min_row=1, max_row=11, min_col=1, max_col=6, 
    values_only=True):
    my_list.append(value)
    
for ele1,ele2,ele3,ele4,ele5,ele6 in my_list:
    (print ("{:<8}{:<35}{:<10}
             {:<10}{:<15}{:<15}".format(ele1,ele2,ele3,ele4,ele5,ele6)))技术支持

运行以上代码后，应显示前六列的前十行数据：

使用 Openpyxl 写入 Excel 文件

现在我们已经知道如何访问和读取 Excel 文件，让我们来学习如何使用 Openpyxl 写入它们。

写入单元格

使用 Openpyxl 写入文件有两种方法。

首先，您可以使用单元格键直接访问：

ws['K1'] = 'Sum of Sales'技术支持

另一种方式是指定要写入的单元格的行列位置：

ws.cell(row=1, column=11, value = 'Sum of Sales')技术支持

每次使用 Openpyxl 向 Excel 文件写入后，都需要用以下代码保存更改，否则工作表中不会反映：

wb.save('videogamesales.xlsx')技术支持

如果保存时工作簿已打开，您会遇到如下权限错误：

请确保在保存更改前关闭 Excel 文件。然后重新打开以确认更改已经反映到工作表中：

请注意，K1 单元格中新建了一列，名为“Sum of Sales”。

创建新列

现在让我们将各地区的销量求和并写入到 K 列。

我们先对第一行的销量数据进行此操作：

row_position = 2
col_position = 7

total_sales = ((ws.cell(row=row_position, column=col_position).value)+
               (ws.cell(row=row_position, column=col_position+1).value)+
               (ws.cell(row=row_position, column=col_position+2).value)+
               (ws.cell(row=row_position, column=col_position+3).value))

ws.cell(row=2,column=11).value=total_sales
wb.save('videogamesales.xlsx')技术支持

请注意，工作表中第一个游戏的总销量已在 K2 单元格计算出来：

类似地，我们创建一个 for 循环，对每一行的销量求和：

row_position = 1

for i in range(1, ws.max_row):

    row_position += 1
    NA_Sales = ws.cell(row=row_position, column=7).value
    EU_Sales = ws.cell(row=row_position, column=8).value
    JP_Sales = ws.cell(row=row_position, column=9).value
    Other_Sales = ws.cell(row=row_position, column=10).value

    total_sales = (NA_Sales + EU_Sales + JP_Sales + Other_Sales)
    ws.cell(row=row_position, column=11).value = total_sales

wb.save("videogamesales.xlsx")技术支持

您的 Excel 文件现在应多出一列，反映各地区视频游戏的总销量：

追加新行

要向工作簿追加新行，只需创建包含要写入值的元组并写入该表：

new_row = (1,'The Legend of Zelda',1986,'Action','Nintendo',3.74,0.93,1.69,0.14,6.51,6.5)

ws.append(new_row)
    
wb.save('videogamesales.xlsx')技术支持

您可以通过打印工作簿的最后一行来确认数据已被追加：

values = [ws.cell(row=ws.max_row,column=i).value for i in range(1,ws.max_column+1)]
print(values)技术支持

将会生成如下输出：

[1, 'The Legend of Zelda', 1986, 'Action', 'Nintendo', 3.74, 0.93, 1.69, 0.14, 6.51, 6.5]技术支持

删除行

要删除我们刚创建的新行，运行以下代码：

ws.delete_rows(ws.max_row, 1) # row number, number of rows to delete

wb.save('videogamesales.xlsx')技术支持

delete_rows() 的第一个参数是要删除的行号，第二个参数是要删除的行数。

使用 Openpyxl 创建 Excel 公式

您可以像在 Excel 中一样，用 Openpyxl 写入公式。以下是用 Openpyxl 创建的一些基础函数示例：

AVERAGE()

让我们创建一个名为“Average Sales”的新列，用于计算所有市场的视频游戏平均总销量：

ws['P1'] = 'Average Sales'
ws['P2'] = '= AVERAGE(K2:K16220)'

wb.save('videogamesales.xlsx')技术支持

所有市场的平均销量约为 0.19。该值将显示在工作表的 P2 单元格。

COUNTA()

Excel 中的 “COUNTA” 函数用于统计特定范围内已填充的单元格数量。我们用它来统计 E2 到 E16220 之间的记录数：

ws['Q1'] = "Number of Populated Cells" 
ws['Q2'] = '=COUNTA(E2:E16220)'

wb.save('videogamesales.xlsx')技术支持

在此范围内，共有 16,219 条有数据的记录。

COUNTIF()

COUNTIF() 是常用的 Excel 函数，用于统计满足特定条件的单元格数量。我们用它来统计本数据集中类别为 “Sports” 的游戏数量：

ws['R1'] = 'Number of Rows with Sports Genre'
ws['R2'] = '=COUNTIF(E2:E16220, "Sports")'

wb.save('videogamesales.xlsx')技术支持

数据集中共有 2,296 款体育类游戏。

SUMIF()

现在，用 SUMIF 函数计算体育类游戏产生的“Sum of Sales”总和：

ws['S1'] = 'Total Sports Sales'
ws['S2'] = '=SUMIF(E2:E16220, "Sports",K2:K16220)'
 
wb.save('videogamesales.xlsx')技术支持

体育类游戏带来的总销量为 454。

CEILING()

Excel 中的 CEILING() 函数将数字向上舍入到最接近的指定倍数。我们用它来对体育类游戏的总销量进行向上取整：

ws['T1'] = 'Rounded Sum of Sports Sales'
ws['T2'] = '=CEILING(S2,25)'

wb.save('videogamesales.xlsx')技术支持

我们将体育类游戏的总销量四舍五入到最接近的 25 的倍数，结果为 475。

上述代码片段应在您的 Excel（P1 到 T2 单元格）中生成如下输出：

关于 Excel 公式、运算符和数学函数的速查，请参阅我们的 Excel 基础速查表。

在 Openpyxl 中操作工作表

现在我们知道如何访问并写入工作表，让我们学习如何使用 Openpyxl 操作、删除和复制工作表。

更改工作表名称

首先，使用 Openpyxl 的 title 属性打印当前活动工作表的名称：

print(ws.title)技术支持

将会输出：

vgsales技术支持

现在，使用以下代码重命名此工作表：

ws.title ='Video Game Sales Data'

wb.save('videogamesales.xlsx')技术支持

您的活动工作表名称现在应更改为 “Video Game Sales Data”。

创建新工作表

运行以下代码列出工作簿中的所有工作表：

print(wb.sheetnames)技术支持

您将看到一个数组，列出了文件中所有工作表的名称：

['Video Game Sales Data', 'Total Sales by Genre', 'Breakdown of Sales by Genre', 'Breakdown of Sales by Year']技术支持

现在创建一个新的空工作表：

wb.create_sheet('Empty Sheet') # create an empty sheet
print(wb.sheetnames) # print sheet names again

wb.save('videogamesales.xlsx')技术支持

可以看到一个名为 “Empty Sheet” 的新工作表已经创建：

['Video Game Sales Data', 'Total Sales by Genre', 'Breakdown of Sales by Genre', 'Breakdown of Sales by Year', ‘Empty Sheet’]技术支持

删除工作表

要用 Openpyxl 删除工作表，只需使用 remove 属性，并再次打印所有工作表名以确认删除：

wb.remove(wb['Empty Sheet'])
print(wb.sheetnames)

wb.save('videogamesales.xlsx')技术支持

可以看到，“Empty Sheet” 工作表已不在列表中：

['Video Game Sales Data', 'Total Sales by Genre', 'Breakdown of Sales by Genre', 'Breakdown of Sales by Year']技术支持

复制工作表

最后，运行此行代码以创建现有工作表的副本：

wb.copy_worksheet(wb['Video Game Sales Data'])
wb.save('vgsales_2.xlsx')技术支持

再次打印所有工作表名，我们得到如下输出：

['Video Game Sales Data', 'Total Sales by Genre', 'Breakdown of Sales by Genre', 'Breakdown of Sales by Year', 'Video Game Sales Data Copy']技术支持

使用 Openpyxl 向 Excel 文件添加图表

Excel 常被视为创建可视化和汇总数据集的首选工具。本节我们将学习如何使用 Openpyxl 直接在 Python 中构建 Excel 图表。

条形图

我们先创建一个简单的条形图，显示按类别汇总的视频游戏总销量。我们将使用 “Total Sales by Genre” 工作表：

该工作表包含一个数据透视表，其中销售总和按类别聚合，如上图所示。

在创建条形图前，先访问该工作表：

ws = wb['Total Sales by Genre'] # access the required worksheet技术支持

现在我们需要告诉 Openpyxl 要绘制的值和值对应的类别。

数值：

数值包括我们要绘制的 “Sum of Sales” 数据。需要通过指定起止范围，告诉 Openpyxl 在 Excel 文件中哪里可以找到这些数据。

Openpyxl 中有四个参数用于指定值的位置：

Min_column：包含数据的最小列
Max_column：包含数据的最大列
Min_row：包含数据的最小行
Max_row：包含数据的最大行

下图展示了如何定义这些参数：

请注意，最小行是第一行而不是第二行。这是因为 Openpyxl 从包含数值的行开始计数。

# Values for plotting

from openpyxl.chart import Reference

values = Reference(ws,         # worksheet object   
                   min_col=2,  # minimum column where your values begin
                   max_col=2,  # maximum column where your values end
                   min_row=1,  # minimum row you’d like to plot from
                   max_row=13) # maximum row you’d like to plot from技术支持

类别

现在，我们需要为条形图的类别定义相同的参数：

以下代码可用于设置图表类别的参数：

cats = Reference(ws, 
                 min_col=1, 
                 max_col=1, 
                 min_row=2, 
                 max_row=13)技术支持

创建条形图

现在，我们可以创建条形图对象，并将数值和类别包含进去：

from openpyxl.chart import BarChart

chart = BarChart()
chart.add_data(values, titles_from_data=True)
chart.set_categories(cats)技术支持

设置图表标题

最后，您可以设置图表标题，并告诉 Openpyxl 要在工作表的哪个位置创建图表：

# set the title of the chart
chart.title = "Total Sales"

# set the title of the x-axis
chart.x_axis.title = "Genre"

# set the title of the y-axis
chart.y_axis.title = "Total Sales by Genre"

# the top-left corner of the chart
# is anchored to cell F2 .
ws.add_chart(chart,"D2")

# save the file 
wb.save("videogamesales.xlsx")技术支持

然后打开 Excel 文件，转到 “Total Sales by Genre” 工作表。您应看到类似这样的图表：

分组条形图

现在，我们创建一个分组条形图，显示按类别和地区的总销量。此图的数据在 “Breakdown of Sales by Genre” 工作表中：

与创建条形图类似，我们需要定义数值和类别的范围：

现在我们可以访问该工作表，并将其写成代码：

### Creating a Grouped Bar Chart with Openpyxl
ws = wb['Breakdown of Sales by Genre'] # access worksheet

# Data for plotting
values = Reference(ws,
                   min_col=2,
                   max_col=5,
                   min_row=1,
                   max_row=13)

cats = Reference(ws, min_col=1, 
                     max_col=1, 
                     min_row=2, 
                     max_row=13)技术支持

接下来，我们可以像之前一样创建条形图对象，传入数值和类别，并设置标题参数：

# Create object of BarChart class
chart = BarChart()
chart.add_data(values, titles_from_data=True)
chart.set_categories(cats)

# set the title of the chart
chart.title = "Sales Breakdown"

# set the title of the x-axis
chart.x_axis.title = "Genre"

# set the title of the y-axis
chart.y_axis.title = "Breakdown of Sales by Genre"

# the top-left corner of the chart is anchored to cell H2.
ws.add_chart(chart,"H2")

# save the file 
wb.save("videogamesales.xlsx")技术支持

打开工作表后，您应看到一个类似这样的分组条形图：

堆叠折线图

最后，我们将使用 “Breakdown of Sales by Year” 选项卡中的数据创建堆叠折线图。该工作表按年份和地区细分了视频游戏的销量：

让我们定义此图的数值与类别范围：

现在将这些最小值与最大值写成代码：

# Data for plotting
values = Reference(ws,
                   min_col=2,
                   max_col=6,
                   min_row=1,
                   max_row=40)

cats = Reference(ws, min_col=1, max_col=1, min_row=2, max_row=40)技术支持

最后，创建折线图对象并设置图表标题、x 轴和 y 轴：

# Create object of LineChart class
from openpyxl.chart import LineChart

chart = LineChart()
chart.add_data(values, titles_from_data=True)
chart.set_categories(cats)

# set the title of the chart
chart.title = "Total Sales"

# set the title of the x-axis
chart.x_axis.title = "Year"

# set the title of the y-axis
chart.y_axis.title = "Total Sales by Year"

# the top-left corner of the chart is anchored to cell H2 
ws.add_chart(chart,"H2")

# save the file 
wb.save("videogamesales.xlsx")技术支持

您的工作表中应出现一个类似这样的堆叠折线图：

使用 Openpyxl 格式化单元格

Openpyxl 允许用户对 Excel 工作簿中的单元格进行样式设置。您可以直接在 Python 中更改字体大小、背景颜色和单元格边框，让电子表格更美观。

以下是一些使用 Openpyxl 定制 Python Excel 表格的方式：

更改字体大小与样式

让我们提高 A1 单元格的字体大小并将其加粗：

from openpyxl.styles import Font

ws = wb['Video Game Sales Data']
ws['A1'].font = Font(bold=True, size=12)

wb.save('videogamesales.xlsx')技术支持

注意 A1 单元格中的文本现在略大并已加粗：

如果我们想更改第一行所有列表头的字体大小和样式呢？

为此，可复用上述代码，并创建一个 for 循环遍历第一行的所有列：

for row in ws.iter_rows(min_row=1, max_row=1):
    for cell in row:
        cell.font = Font(bold=True, size=12)

wb.save('videogamesales.xlsx')技术支持

当我们遍历 [“1:1”] 时，就是在告诉 Openpyxl 需要循环的起止行。如果要遍历前十行，例如，则应指定为 [“1:10”]。

您可以打开 Excel 表确认更改是否已生效：

更改字体颜色

您可以使用十六进制代码在 Openpyxl 中更改字体颜色：

from openpyxl.styles import colors

ws['A1'].font = Font(color = 'FF0000',bold=True, size=12) ## red
ws['A2'].font = Font(color = '0000FF') ## blue

wb.save('videogamesales.xlsx')技术支持

保存工作簿并重新打开后，A1 与 A2 单元格的字体颜色应已改变：

更改单元格背景色

要更改单元格背景色，可使用 Openpyxl 的 PatternFill 模块：

## changing background color of a cell
from openpyxl.styles import PatternFill

ws["A1"].fill = PatternFill('solid', start_color="38e3ff") # light blue background color
wb.save('videogamesales.xlsx')技术支持

您的工作表中应反映出如下更改：

添加单元格边框

要使用 Openpyxl 添加单元格边框，运行以下代码：

## cell borders
from openpyxl.styles import Border, Side

my_border = Side(border_style="thin", color="000000")

ws["A1"].border = Border(
    top=my_border, left=my_border, right=my_border, bottom=my_border
)

wb.save("videogamesales.xlsx")技术支持

您应会在 A1 单元格周围看到如下边框：

条件格式

条件格式是指根据一组条件在 Excel 文件中高亮显示特定值。它能帮助用户更容易地可视化和理解工作表中的数据。

让我们使用 Openpyxl 将所有大于或等于 8 的视频游戏销量高亮为绿色：

from openpyxl.formatting.rule import CellIsRule

fill = PatternFill(
    start_color='90EE90',
    end_color='90EE90',fill_type='solid') # specify background color

ws.conditional_formatting.add(
    'G2:K16594', CellIsRule(operator='greaterThan', formula=[8], fill=fill)) # include formatting rule

wb.save('videogamesales.xlsx')技术支持

在第一段代码中，我们指定了要格式化单元格的背景颜色。在这里颜色为浅绿色。

随后，我们创建了一个条件格式规则，声明任何大于 8 的值都应以我们指定的填充色高亮显示。同时也指定了要应用该条件的单元格范围。

运行上述代码后，所有大于 8 的销量值应如下图所示被高亮：

结语

本教程涵盖了大量内容，从使用 Openpyxl 库的基础知识，到在 Python 中创建图表与格式化表格等更高级的操作。

单独来看，Python 与 Excel 覆盖的是数据工作流程的不同部分。Excel 处理报告与临时分析；Python 则用于建模、自动化与大规模计算。

Excel 的最大优势在于几乎人人都会用。从非技术干系人到入门级员工，组织中各层级都能理解用 Excel 电子表格呈现的报告。

另一方面，Python 可用于在海量数据上进行分析和建模，帮助团队自动化繁琐任务并提升组织效率。

当 Excel 与 Python 结合使用时，您可以将数小时的重复性工作实现自动化，同时以全团队都熟悉的格式交付成果。要进一步提升这些技能，我建议学习我们的 Python for Spreadsheet Users 课程，或查看我们的 Python in Excel 指南，在 Excel 电子表格中原生运行 Python。

常见问题

Python 处理大型 Excel 数据集为何比 Excel 本身更高效？

Python 能更高效地处理大型数据集，是因为它拥有如 pandas 和 numpy 等为性能而生的库。与 Excel 不同，Python 不依赖图形界面，能够在内存中处理数百万行数据并执行高级操作，而无需担心崩溃或明显变慢。

Python 能否处理非 Excel 文件格式并将其转换为 Excel？

可以。Python 能处理多种文件格式，如 CSV、JSON 和各类数据库。使用诸如 pandas 的库，您可以读取这些格式并轻松导出为 Excel 文件。例如：

import pandas as pd
data = pd.read_csv('data.csv')  # Load CSV file
data.to_excel('data.xlsx', index=False)  # Save as Excel技术支持

是否可以使用 Python 合并多个 Excel 文件中的数据？

可以。Python 可以将多个 Excel 文件中的数据整合到一个文件或工作表中。这可以通过 openpyxl 或 pandas 等库实现。例如使用 pandas，您可以将多个文件读取为数据框，合并或连接后再保存回一个 Excel 文件：

import pandas as pd
df1 = pd.read_excel('file1.xlsx')
df2 = pd.read_excel('file2.xlsx')
combined = pd.concat([df1, df2])
combined.to_excel('combined.xlsx', index=False)技术支持

如何使用 openpyxl 高效读取大型 Excel 文件？

以只读模式（read_only=True）打开工作簿以降低内存占用。只读模式按行流式读取数据，而不是将整个工作簿加载到内存中。它可以在不明显变慢的情况下处理包含数十万行的文件，但不支持回写文件。

使用 openpyxl 与 pandas 操作 Excel 有何区别？

openpyxl 直接针对 Excel 的 .xlsx 格式工作，允许您控制单元格格式、图表、公式以及工作表结构。pandas 将 Excel 视为数据源并将其加载为 DataFrame，更适合数据分析和变换。需要格式化单元格、创建图表或从零构建 Excel 文件时，用 openpyxl；需要从 Excel 过滤、聚合或重塑数据时，用 pandas。

作者

Natassha Selvaraj

LinkedIn Twitter

Natassha 是一名在数据科学与营销交汇处工作的数据顾问。她相信，明智地使用数据，能够为个人和组织带来巨大的增长。作为一名自学成才的数据从业者，Natassha 热衷于撰写文章，帮助有志于数据科学的人士进入该行业。她在个人博客以及外部平台发表的文章，平均每月获得 20 万次浏览。

主题

Python 数据科学电子表格