Python-pandas-操作Excel文件(读取数据/写入数据)

提示：帮帮志会陆续更新非常多的IT技术知识，希望分享的内容对您有用。本章分享的是pandas的使用语法。前后每一小节的内容是存在的有：学习and理解的关联性。【帮帮志系列文章】：每个知识点，都是写出代码和运行结果且前后关联上的去分析和说明（能大量节约您的时间）。

所有文章都不会直接把代码放那里，让您自己去看去理解。我希望我的内容对您有用而努力~

python语法-pandas第三节-附 ：本小节是 DataFrame全系列分享(使用.特点.说明.外部文件数据.取值.功能函数.统计函数)的 Excel表格文件操作：读取数据及写入数据

详细的 DataFrame：
DataFrame全系列分享(数据结构.使用.特点.说明.外部文件数据.取值.功能函数.统计函数)
链接: DataFrame全系列分享【上榜文章】
【上榜文章】一文搞定，非常详细的Python-Pandas - DataFrame全系列分享。大量案例且晦涩难懂的有大白话解释。详细的扩展内容也额外写了其他更加细节全面的文章链接在里面，来保证DataFrame的全部内容,本文就是其中一个扩展读写数据Excel篇

---

---

前言

pandas 提供了丰富的 Excel 表格文件的操作功能，帮助我们方便地读取和写入 .xls 和 .xlsx 文件
它也支持多表单、索引、列选择等复杂操作，是数据分析中必备的工具。

快速预览：

pd.read_excel() 读取 Excel 文件，返回 DataFrame

DataFrame.to_excel() 将 DataFrame 写入 Excel 文件

pd.ExcelFile() 加载 Excel 文件并访问多个表单

pd.ExcelWriter() 写入多个 DataFrame 到同一 Excel 文件的不同表单

---

一、读取数据 read_excel()

方法参数：
pandas.read_excel(path, sheet_name=0, *, header=0, names=None, index_col=None, usecols=None, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, parse_dates=False, date_parser=<no_default>, date_format=None, thousands=None, decimal=‘.’, comment=None, skipfooter=0, storage_options=None, dtype_backend=<no_default>, engine_kwargs=None)

path：这是必需的参数，指定了要读取的 Excel 文件的路径或文件对象。
sheet_name=0：指定要读取的工作表名称或索引。默认为0，即第一个工作表。
header=0：指定用作列名的行。默认为0，即第一行。
names=None：用于指定列名的列表。如果提供，将覆盖文件中的列名。
index_col=None：指定用作行索引的列。可以是列的名称或数字。
usecols=None：指定要读取的列。可以是列名的列表或列索引的列表。
dtype=None：指定列的数据类型。可以是字典格式，键为列名，值为数据类型。
engine=None：指定解析引擎。默认为None，pandas 会自动选择。
converters=None：用于转换数据的函数字典。
true_values=None：指定应该被视为布尔值True的值。
false_values=None：指定应该被视为布尔值False的值。
skiprows=None：指定要跳过的行数或要跳过的行的列表。
nrows=None：指定要读取的行数。
na_values=None：指定应该被视为缺失值的值。
keep_default_na=True：指定是否要将默认的缺失值（例如NaN）解析为NA。
na_filter=True：指定是否要将数据转换为NA。
verbose=False：指定是否要输出详细的进度信息。
parse_dates=False：指定是否要解析日期。
date_parser=<no_default>：用于解析日期的函数。
date_format=None：指定日期的格式。
thousands=None：指定千位分隔符。
decimal=‘.’：指定小数点字符。
comment=None：指定注释字符。
skipfooter=0：指定要跳过的文件末尾的行数。
storage_options=None：用于云存储的参数字典。
dtype_backend=<no_default>：指定数据类型后端。
engine_kwargs=None：传递给引擎的额外参数字典。
其实平时操作Excel并不需要写全这么多参数，后续遇到对应的问题，来查阅参数即可

准备数据，我是在桌面创建的表格，写了一些数据后又放到开发工具里面

import pandas as pd#代码在Excel文件的同层级位置(直接写名字即可)，也可以指定D盘E盘的某个excel。这里没有演示
df = pd.read_excel('bbz__pandas.xlsx')
print(df)#读取Excel并生成DataFrame：

报错：ImportError: Missing optional dependency ‘openpyxl’. Use pip or conda to install openpyxl.
安装一个 openpyxl的包就好了

pip install openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple
pip命令安装 并指定国内镜像源地址，会安装快一点

# 读取指定表单的内容（表单名称）
#就是这个Excel文件，左下角有很多很多个表单，sheet_name指定读取哪一个
df = pd.read_excel('data.xlsx', sheet_name='表单名字')
print(df)# 读取多个表单，返回一个字典
#因为多个表单里面的列名可能不一致，所以方法返回的是字典。
#然后通过字典生成DataFrame的语法就可以合并列，或者指定不同的列（本文最开始链接有 字典==>DataFrame）
dfs = pd.read_excel('data.xlsx', sheet_name=['Sheet1', 'Sheet2'])
print(dfs)# 自定义列名并跳过前两行
#这里自定义的列名是DataFrame的列索引名字，当前指定的是ABC
#如果Excel前n行是合并标题，就跳过。当前随机写的两行
df = pd.read_excel('data.xlsx', header=None, names=['A', 'B', 'C'], skiprows=2)
print(df)

---

二、写入数据 to_excel()

to_excel() 方法用于将 DataFrame 写入 Excel 文件，支持 .xls 和 .xlsx 格式。

方法参数：
DataFrame.to_excel(excel_writer, *, sheet_name=‘Sheet1’, na_rep=‘’, float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, inf_rep=‘inf’, freeze_panes=None, storage_options=None, engine_kwargs=None)

excel_writer：这是必需的参数，指定了要写入的 Excel 文件路径或文件对象。

sheet_name=‘Sheet1’：指定写入的工作表名称，默认为 ‘Sheet1’。

na_rep=‘’：指定在 Excel 文件中表示缺失值（NaN）的字符串，默认为空字符串。

float_format=None：指定浮点数的格式。如果为 None，则使用 Excel 的默认格式。

columns=None：指定要写入的列。如果为 None，则写入所有列。

header=True：指定是否写入列名作为第一行。如果为 False，则不写入列名。

index=True：指定是否写入索引作为第一列。如果为 False，则不写入索引。

index_label=None：指定索引列的标签。如果为 None，则不写入索引标签。

startrow=0：指定开始写入的行号，默认从第0行开始。

startcol=0：指定开始写入的列号，默认从第0列开始。

engine=None：指定写入 Excel 文件时使用的引擎，默认为 None，pandas 会自动选择。

merge_cells=True：指定是否合并单元格。如果为 True，则合并具有相同值的单元格。

inf_rep=‘inf’：指定在 Excel 文件中表示无穷大值的字符串，默认为 ‘inf’。

freeze_panes=None：指定冻结窗格的位置。如果为 None，则不冻结窗格。

storage_options=None：用于云存储的参数字典。

engine_kwargs=None：传递给引擎的额外参数字典。

import pandas as pd# 创建一个简单的 DataFrame
df = pd.DataFrame({
'name': ['bangbangzhi', 'hello', 'python', 'what'],'age': [25, 30, 35, 40],'city': ['chengdu', 'beijing', 'shanghai', 'tianjin']
})# 将 DataFrame 写入 Excel 文件，写入 'sheet1' 表单  
df.to_excel('output.xlsx', sheet_name='sheet1', index=False)

运行代码，不在控制台看。在左边代码文件同层级位置查看。它会生成一个新的文件：output.xlsx

多个表单 ExcelWriter()

# 写入多个表单，使用 ExcelWriter
with pd.ExcelWriter('output.xlsx') as writer:
df.to_excel(writer, sheet_name='sheet1', index=False)
df.to_excel(writer, sheet_name='sheet2', index=False)
#这个output.xlsx的文件会有两个表单，分别是sheet1和sheet2#就是Excel 文件左下角那里，平时点击+多一个表

---

三、加载 Excel 文件 ExcelFile()

pd.ExcelFile(‘data.xlsx’) 就是可以 先看看这个Excel 文件
方法参数：
sheet_names 返回文件中所有表单的名称列表
parse(sheet_name) 解析指定表单并返回一个 DataFrame
close() 关闭文件，以释放资源

import pandas as pd# 使用 ExcelFile 加载 Excel 文件
excel_file = pd.ExcelFile('data.xlsx')# 查看所有表单的名称
print(excel_file.sheet_names)# 读取指定的表单
df = excel_file.parse('Sheet1')
print(df)# 关闭文件
excel_file.close()

---

四、多个 DataFrame 到同一Excel .ExcelWriter()

刚刚其实已经用过，它用于将 DataFrame 或 Series 对象写入 Excel 文件。使用 ExcelWriter，可以在一个 Excel 文件中写入多个工作表，并且可以更灵活地控制写入过程。

pandas.ExcelWriter(path, engine=None, date_format=None, datetime_format=None, mode=‘w’, storage_options=None, if_sheet_exists=None, engine_kwargs=None)
方法参数：
path：这是必需的参数，指定了要写入的 Excel 文件的路径、URL 或文件对象。可以是本地文件路径、远程存储路径（如 S3）、URL 链接或已打开的文件对象。
engine：这是一个可选参数，用于指定写入 Excel 文件的引擎。如果为 None，则 pandas 会自动选择一个可用的引擎（默认优先选择 openpyxl，如果不可用则选择其他可用引擎）。常见的引擎包括 ‘openpyxl’（用于 .xlsx 文件）、‘xlsxwriter’（提供高级格式化和图表功能）、‘odf’（用于 OpenDocument 格式如 .ods）等。
date_format：这是一个可选参数，指定写入 Excel 文件中日期的格式字符串，例如 “YYYY-MM-DD”。
datetime_format：这是一个可选参数，指定写入 Excel 文件中日期时间对象的格式字符串，例如 “YYYY-MM-DD HH:MM:SS”。
mode：这是一个可选参数，默认为 ‘w’，表示写入模式。如果设置为 ‘a’，则表示追加模式，向现有文件中添加数据（仅支持部分引擎，如 openpyxl）。
storage_options：这是一个可选参数，用于指定与存储后端连接的额外选项，例如认证信息、访问权限等，适用于写入远程存储（如 S3、GCS）。
if_sheet_exists：这是一个可选参数，默认为 ‘error’，指定如果工作表已经存在时的行为。选项包括 ‘error’（抛出错误）、‘new’（创建一个新工作表）、‘replace’（替换现有工作表的内容）、‘overlay’（在现有工作表上覆盖写入）。
engine_kwargs：这是一个可选参数，用于传递给引擎的其他关键字参数。这些参数会传递给相应引擎的函数，例如 xlsxwriter.Workbook(file, **engine_kwargs) 或 openpyxl.Workbook(**engine_kwargs) 等。

#01示例
#声明一个/创建一个  写入器writer  指定文件为output.xlsx 
with ExcelWriter('output.xlsx') as writer:df.to_excel(writer, sheet_name='sheet1')
#将df里面的内容，写到output.xlsx里面 指定表单为sheet1

#02示例
#任意写两个df(DataFrame)。两行数据，两个列，df1是这样的：
'''name  age
0  bangbangzhi   18
1        hello   20
'''  #正常df1会有很多很多数据，然后需要存储到Excel里面
df1 = pd.DataFrame([["bangbangzhi", 18],["hello", 20]], columns=["name", "age"])
df2 = pd.DataFrame([["java", 40],["python", 21]], columns=["name", "age"])
with pd.ExcelWriter("out02.xlsx") as writer:       #一个名为out02.xlsx的Excel文件df1.to_excel(writer, sheet_name="sheet1")     #df1存sheet1这个表单df2.to_excel(writer, sheet_name="sheet2")	  #df2存sheet2这个表单

#03示例
import pandas as pd
from datetime import date, datetime  #两行数据  两列数据
'''X                   Y
Date     2014-01-31 00:00:00 1999-09-24 00:00:00
Datetime 1998-05-26 23:33:04 2014-02-28 13:05:13
'''
df = pd.DataFrame([[date(2014, 1, 31), date(1999, 9, 24)],[datetime(1998, 5, 26, 23, 33, 4), datetime(2014, 2, 28, 13, 5, 13)],],index=["Date", "Datetime"],columns=["X", "Y"],
)  
with pd.ExcelWriter("out03.xlsx",date_format="YYYY-MM-DD",   #统一时间格式  年-月-日datetime_format="YYYY-MM-DD HH:MM:SS"  #统一时间格式  年-月-日  时:分:秒
) as writer:df.to_excel(writer)#统一时间格式  年-月-日  意义是  年是第一个 并且中间是横杠隔开 然后月是第二个 .......
#(只要数据过来，哪怕5-2-2025)  程序也只认5是年份  2025是日期（因为我们指定了格式）  

本文演示Excel的案例，用了很多DataFrame语法。及读取了Excel文件，取值到我们代码里，然后怎么弄呢？
可以：
详细的 DataFrame操作：
DataFrame全系列分享(数据结构.使用.特点.说明.外部文件数据.取值.功能函数.统计函数)
链接: DataFrame全系列分享【上榜文章】
【上榜文章】一文搞定，非常详细的Python-Pandas - DataFrame全系列分享。大量案例且晦涩难懂的有大白话解释。详细的扩展内容也额外写了其他更加细节全面的文章链接在里面，来保证DataFrame的全部内容,本文就是其中一个扩展读写数据Excel篇

---

总结

（会陆续更新非常多的IT技术知识及泛IT的电商知识，可以点个关注，共同交流。ღ( ´･ᴗ･` )比心）
（也欢迎评论，提问。 我会依次回答~）