Python 與 Excel 不得不說的事

數據處理是 Python 的一大應用場景，而 Excel 則是最流行的數據處理軟件。所以用 Python 進行數據相關的工做時，不免要和 Excel 打交道。

若是僅僅是要以表單形式保存數據，能夠藉助 CSV 格式（一種以逗號分隔的表格數據格式）進行處理，Excel 也支持此格式。但標準的 Excel 文件（xls/xlsx）具備較複雜的格式，並不方便像普通文本文件同樣直接進行讀寫，須要藉助第三方庫來實現。

經常使用的庫是 python-excel 系列：

xlrd、xlwt、xlutils

• xlrd － 讀取 Excel 文件
• xlwt － 寫入 Excel 文件
• xlutils － 操做 Excel 文件的實用工具，如複製、分割、篩選等

儘管這是目前被用得最多的 Excel 庫，我仍是很想吐槽爲何這三個包不能放在一個模塊裏……另外它們有個缺陷，就是隻能處理 xls 文件。若是你想用新版本的 xlsx，能夠考慮 openpyxl 和 xlsxwriter。

不過今天只說說這三個。

（更新：有人提到另外幾個 Python 處理 Excel 的庫，有些的確會比 python-excel 系列好用。以後會再作一篇對比，敬請期待。

另外，關於爲何不用 VBA、Java、C#……處理 Excel。其實本文的出發點是對於 Python 使用者來講，操做 Excel 的一種基本方式，並不是否認其餘語言和方法。）

安裝

安裝的方法沒啥特別的，只是得裝三遍。能夠下載安裝包、下載代碼壓縮包、或者經過 pip 等。可參考 如何安裝 Python 的第三方模塊 - Crossin的編程教室 - 知乎專欄

若是安裝過以前推薦的 anaconda，那麼就已經有了 xlrd 和 xlwt，但 xlutils 沒有附帶在安裝包中，使用時仍需另行安裝。

讀取

結合一段簡單的代碼來看：

import xlrd
# 打開 xls 文件
book = xlrd.open_workbook("test.xls")
print "表單數量:", book.nsheets
print "表單名稱:", book.sheet_names()
# 獲取第1個表單
sh = book.sheet_by_index(0)
print u"表單 %s 共 %d 行 %d 列" % (sh.name, sh.nrows, sh.ncols)
print "第二行第三列:", sh.cell_value(1, 2)
# 遍歷全部表單
for s in book.sheets():
    for r in range(s.nrows):
        # 輸出指定行
        print s.row(r)
複製代碼

測試文件：

輸出結果：

表單數量: 2
表單名稱: [u'Group.A', u'Group.B']
表單 Group.A 共 7 行 3 列
第二行第三列: 15.0
[text:u'Rank', text:u'Team', text:u'Points']
[number:1.0, text:u'Brazil', number:15.0]
[number:2.0, text:u'Russia', number:12.0]
...

經常使用的方法：

• open_workbook 打開文件
• sheet_by_index 獲取某一個表單
• sheets 獲取全部表單
• cell_value 獲取指定單元格的數據

寫入

仍是看代碼：

import xlwt
# 建立 xls 文件對象
wb = xlwt.Workbook()
# 新增一個表單
sh = wb.add_sheet('A Test Sheet')
# 按位置添加數據
sh.write(0, 0, 1234.56)
sh.write(1, 0, 8888)
sh.write(2, 0, 'hello')
sh.write(2, 1, 'world')
# 保存文件
wb.save('example.xls')
複製代碼

生成文件：

經常使用的方法：

• Workbook 建立文件對象
• add_sheet 新增一個表單
• write 在指定單元格寫入數據

修改

很遺憾，並無直接修改 xls 文件的方法。一般的作法是，讀取出文件，複製一份數據，對其進行修改，再保存。

在複製時，須要用到 xlutils 中的方法。

from xlrd import open_workbook
from xlutils.copy import copy
# 打開文件
rb = open_workbook("example.xls")
# 複製
wb = copy(rb)
# 選取表單
s = wb.get_sheet(0)
# 寫入數據
s.write(0, 1, 'new data')
# 保存
wb.save('example.xls')
複製代碼

修改後文件：

特別要注意的是，選取讀取表單時，要使用 sheet_by_index，而在選取寫入表單時，則要用 get_sheet。不要問我爲何，我也很想知道這麼設定的用意何在……

時間轉換

若是表單中有時間格式的數據，經過處理以後，你會發現時間數據出了差錯。

輸出單元格內容：

[number:8888.0, xldate:42613.0]

由於這裏 xldate 有本身的格式定義。若是要使用正確的格式，必須轉換：

new_date = xlrd.xldate.xldate_as_datetime(date, book.datemode)
複製代碼

date 是對應單元格的數據，book 是打開的文件對象。

另外，在打開文件時，加上參數 formatting_info=True，能夠保證在時間數據在 copy 時保持原樣。

寫入時間數據，則可經過此方法建立 excel 的時間對象：

xlrd.xldate.xldate_from_datetime_tuple
複製代碼

或者經過 xlwt.easyxf 指定時間格式：

style = xlwt.easyxf(num_format_str='D-MMM-YY')
ws.write(1, 0, datetime.now(), style)
複製代碼

具體細節及更多功能這裏不展開說明。

以上即是 Python 操做 Excel 文件的一些基本方法。實際使用過程當中遇到問題或者須要瞭解更多功能，永遠記住兩個詞：

RTFM、STFW

：）

參考資料：