Python处理电子表格的Pandas、OpenPyXL、xlrd和xlwt库

目录

• 1. Pandas
• 安装Pandas
• 示例代码：读取CSV文件
• 2. OpenPyXL
• 安装OpenPyXL
• 示例代码：读取Excel文件
• 3. CSV
• 示例代码：读取CSV文件
• 4. xlrd/xlwt
• 安装xlrd和xlwt
• 示例代码：读取xls文件
• 总结

在python中处理表格数据,有几个非常流行且功能强大的库,Pandas在数据分析方面提供了广泛的功能,而OpenPyXL、xlrd和xlwt则在处理Excel文件方面各有所长,以下是一些最常用的库及其示例代码

1. Pandas

Pandas是一个开放源代码的、BSD许可的库，为Python编程语言提供高性能、易于使用的数据结构和数据分析工具。

安装Pandas

pip install pandas

示例代码：读取CSV文件

import pandas as pd

# 读取CSV文件
df = pd.read_csv('pokemon.csv')

# 显示前五行数据
print(df.head())

# 计算某列的平均值
print("Average of column:", df['Speed'].mean())

# 数据筛选
filtered_df = df[df['Speed'] > 10]

# 将更改后的DataFrame保存到新的CSV文件
filtered_df.to_csv('filtered_example.csv', index=False)

2. OpenPyXL

OpenPyXL是一个库，用于读取和写入Excel 2010 xlsx/xlsm/xltx/xltm文件。

安装OpenPyXL

pip install openpyxl

示例代码：读取Excel文件

from openpyxl import load_workbook

# 加载一个现有的工作簿
wb = load_workbook('example.xlsx')

# 获取活动的工作表
sheet = wb.active

# 读取A1单元格的值
print(sheet['A1'].value)

# 修改B2单元格的值
sheet['B2'] = 42

# 保存工作簿
wb.save('mo编程客栈dified_example.xlsx')

3. CSV

Python标准库中的CSV模块提供了读写CSV文件的功能。

示例代码：读取CSV文件

import csv

# 打开CSV文件
with open('example.csv', mode='r', encoding='utf-8') as file:
    reader = csv.reader(file)
    
    # 遍历每一行
    for row in reader:
        print(row)

# 写入CSV文件
with open('output.csv', mode='wjavascript', encoding='utf-8', newline='') as file:
    writer = csv.writer(file)
    writer.writerow(['Name', 'Age', 'City'])
    writer.writerow(['Alice', '24', 'New York'])

4. xlrd/xlwt

这两个库通常一起使用，xlrd用于读取老版本的Excel文件（xls），而xlwt用于写入。

安装xlrd和xlwt

pip install xlrd xlwt

示例代码：读取xls文件

import xlrd

# 打开工作簿
wb = xlrd.open_workbook('catering_sale.xls')

# 通过索引获取工作表
sheet = wb.sheet_by_index(0)

# 读取A1单元格的值
print(sheet.cell_value(0, 0))

# 获取行数和列数
print(sheet.nrows, sheet.ncols)

总结

当选择库的时候，最好考虑你的具体需求，例如文件格式（CSV、Excel等）、数编程据大小、性能需求以及是否需要进行复杂的数据分析和操作。Pandas在数据分析方面提供了广泛的功能，而OpenPyXL、xlrd和xlwt则在处理Excel文件方面javascript各有所长。标准库中的CSV模块足够处理基本的CSV文件操作。

到此这篇关于Python处理电子表格的Pandas、OpenPyXL、xlrd和xlwt库的文章就介绍到这了,更多相关Python处理电子表格的四个库内容请搜索编程客栈(www.devze.com)以前的文章或继续浏览下面nisISz的相关文章希望大家以后多多支持编程客栈(www.devze.com)！