在Python中连接Excel表格，通常可以使用pandas库，这是Python中处理数据最强大的库之一。pandas提供了非常方便的方法来读取和写入Excel文件。确保文件路径正确，如果文件和你的Python脚本不在同一个目录下，需要提供完整的文件路径。
Python连接Excel表的常用方法
Python可通过以下库高效操作Excel文件，支持读写、格式调整及数据分析：
1. 基础读写库
openpyxl(推荐用于.xlsx文件)：
pythonfrom openpyxl import load_workbook# 读取Excelwb = load_workbook('example.xlsx')sheet = wb['Sheet1']print(sheet['A1'].value) # 读取A1单元格# 写入Excelsheet['B1'] = 'Hello'wb.save('output.xlsx')
pandas(适合数据处理)：
pythonimport pandas as pd# 读取Excel到DataFramedf = pd.read_excel('data.xlsx', sheet_name='Sheet1')# 修改数据并保存df['新列'] = df['旧列'] * 2df.to_excel('output.xlsx', index=False)
2. 其他工具
xlrd/xlwt：
pythonimport xlrdbook = xlrd.open_workbook('old.xls')sheet = book.sheet_by_index(0)print(sheet.cell_value(0, 0)) # 读取第1行第1列
Python快速处理表格的技巧
1. 数据清洗与转换
pythonimport pandas as pddf = pd.read_excel('input.xlsx')# 删除空值行df.dropna(inplace=True)# 替换文本df['列名'] = df['列名'].str.ｒｅｐｌａｃｅ('旧文本', '新文本')# 条件筛选filtered = df[df['数值列'] > 100]
2. 批量操作与自动化
python# 遍历所有Sheet处理with pd.ExcelFile('multi_sheet.xlsx') as excel:for sheet_name in excel.sheet_names:df = pd.read_excel(excel, sheet_name=sheet_name)df['处理标记'] = '已完成'df.to_excel(f'processed_{sheet_name}.xlsx', index=False)
3. 高效计算与统计
python# 分组统计summary = df.groupby('分类列')['数值列'].agg(['sum', 'mean'])# 透视表pivot = pd.pivot_table(df, index='日期', columns='产品', values='销售额')
4. 可视化与导出
pythonimport matplotlib.pyplot as plt# 生成图表并保存到Exceldf.plot(kind='bar', x='类别', y='销售额')plt.savefig('chart.png')# 将图表插入Excel(需配合openpyxl)from openpyxl.drawing.image import Imageimg = Image('chart.png')sheet.add_image(img, 'D1')
注意事项
性能优化：大数据量时使用chunksize参数分块读取(pandas)，或改用dask库。
格式保留：openpyxl可操作单元格样式，pandas更适合数据处理而非格式调整。
依赖安装：
bashpip install openpyxl pandas xlrd
通过结合pandas(数据分析)和openpyxl(精细操作)，可覆盖绝大多数Excel处理场景。
以上就是Python连接Excel表的常用方法介绍，通过选择合适库，可覆盖从简单读写到复杂数据分析的Excel操作需求。如果需要处理旧版本的Excel文件(.xls)，可以使用xlrd库，但通常推荐使用.xlsx格式，因为它更现代，兼容性更好。
