Python | 分享8个Excel自动化脚本，一定有你用得上的！

本篇文章分享Python | 分享8个Excel自动化脚本，一定有你用得上的！，对你有帮助的话记得收藏一下，看Python资料网收获更多编程知识

本文将介绍8个常用的Python脚本，帮助你轻松应对Excel的日常操作。那话不多说，开始吧！

1. 安装所需的Python库

在开始之前，我们需要安装一些Python库来操作Excel文件。以下是需要安装的库：

• pandas：用于数据处理和分析

• openpyxl：读取和写入Excel xlsx/xlsm/xltx/xltm文件

• xlrd 和 xlwt：用于读取和写入xls格式的Excel文件

你可以通过以下命令安装这些库：

pip install pandas openpyxl xlrd xlwt   

2. 批量修改文件名

场景描述

假设我们有一个文件夹，里面有许多Excel文件，现在需要将这些文件名统一修改为某种格式，以便管理和查找。

详细步骤

1. 导入必要的库

2. 获取文件夹中的所有文件

3. 遍历每个文件，修改文件名

代码示例

import os

# 文件夹路径
folder_path = 'your_folder_path'

# 修改文件名的函数
def rename_files(folder_path):
    for filename in os.listdir(folder_path):
        if filename.endswith('.xlsx') or filename.endswith('.xls'):
            new_name = 'new_' + filename
            os.rename(os.path.join(folder_path, filename), os.path.join(folder_path, new_name))
    print("文件名修改完成！")

# 执行函数
rename_files(folder_path)

3. 合并多个Excel文件的数据

场景描述

我们有多个Excel文件，每个文件中都有相同格式的数据表，现在需要将这些数据合并到一个总的Excel文件中。

详细步骤

1. 导入必要的库

2. 获取文件夹中的所有Excel文件

3. 读取每个文件中的数据并合并

4. 将合并后的数据写入一个新的Excel文件

代码示例

import pandas as pd
import os

# 文件夹路径
folder_path = 'your_folder_path'

# 存储合并数据的列表
merged_data = []

# 合并Excel文件的函数
def merge_excel_files(folder_path):
    for filename in os.listdir(folder_path):
        if filename.endswith('.xlsx') or filename.endswith('.xls'):
            file_path = os.path.join(folder_path, filename)
            data = pd.read_excel(file_path)
            merged_data.append(data)
    
    # 合并所有数据
    merged_df = pd.concat(merged_data, ignore_index=True)
    merged_df.to_excel(os.path.join(folder_path, 'merged_data.xlsx'), index=False)
    print("数据合并完成！")

# 执行函数
merge_excel_files(folder_path)

4. 读取特定文件夹中的所有Excel文件

场景描述

假设我们有一个文件夹，里面存放了多个Excel文件，现在需要读取每一个文件并进行一定的处理。

详细步骤

1. 导入必要的库

2. 获取文件夹中的所有Excel文件

3. 定义处理每个文件的操作

代码示例

import pandas as pd
import os

# 文件夹路径
folder_path = 'your_folder_path'

# 处理Excel文件的函数
def process_excel_files(folder_path):
    for filename in os.listdir(folder_path):
        if filename.endswith('.xlsx') or filename.endswith('.xls'):
            file_path = os.path.join(folder_path, filename)
            df = pd.read_excel(file_path)
            # 在这里进行你的处理操作，例如打印数据框的前5行
            print(f"Processing {filename}")
            print(df.head())

# 执行函数
process_excel_files(folder_path)

5. 创建新的Excel文件并写入数据

场景描述

假设我们需要生成一份新的Excel报表，里面包含一些统计数据，并将这份报表保存到指定的文件夹中。

详细步骤

1. 导入必要的库

2. 创建一个DataFrame，填充数据

3. 将DataFrame写入新的Excel文件

代码示例

import pandas as pd

# 创建一个DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Chicago', 'San Francisco']
}
df = pd.DataFrame(data)

# 将DataFrame写入Excel文件
output_path = 'your_folder_path/new_report.xlsx'
df.to_excel(output_path, index=False)
print("新的Excel文件已创建并写入数据！")

6. 根据特定条件筛选数据并导出

场景描述

假设我们有一个大的Excel文件，里面包含多个月的销售记录，我们需要筛选出某个月份的数据并导出。

详细步骤

1. 导入必要的库

2. 读取Excel文件

3. 根据条件筛选数据

4. 将筛选后的数据写入新的Excel文件

代码示例

import pandas as pd

# 读取Excel文件
file_path = 'your_folder_path/sales_data.xlsx'
df = pd.read_excel(file_path)

# 根据条件筛选数据（筛选月份为2023年5月的记录）
filtered_df = df[df['Date'].dt.month == 5]

# 将筛选后的数据写入新的Excel文件
output_path = 'your_folder_path/filtered_data.xlsx'
filtered_df.to_excel(output_path, index=False)
print("筛选的数据已导出！")

7. 对数据进行排序并保存

场景描述

比如，我们有一份员工工资表，需要按工资从高到低进行排序，并保存结果。

详细步骤

1. 导入必要的库

2. 读取Excel文件

3. 对数据进行排序

4. 将排序后的数据写入新的Excel文件

代码示例

import pandas as pd

# 读取Excel文件
file_path = 'your_folder_path/salary_data.xlsx'
df = pd.read_excel(file_path)

# 对数据进行排序（按工资从高到低）
sorted_df = df.sort_values(by='Salary', ascending=False)

# 将排序后的数据写入新的Excel文件
output_path = 'your_folder_path/sorted_salary_data.xlsx'
sorted_df.to_excel(output_path, index=False)
print("数据已排序并保存！")

8. 批量处理Excel数据中的格式问题

场景描述

假设我们有一个文件夹，里面有多个Excel文件，每个文件中都可能存在一些多余的空行，我们需要批量删除这些空行。

详细步骤

1. 导入必要的库

2. 获取文件夹中的所有Excel文件

3. 读取每个文件并删除空行

4. 将处理后的数据重新保存

代码示例

import pandas as pd
import os

# 文件夹路径
folder_path = 'your_folder_path'

# 删除空行的函数
def remove_empty_rows(folder_path):
    for filename in os.listdir(folder_path):
        if filename.endswith('.xlsx') or filename.endswith('.xls'):
            file_path = os.path.join(folder_path, filename)
            df = pd.read_excel(file_path)
            
            # 删除空行
            df.dropna(how='all', inplace=True)
            
            # 保存处理后的文件
            df.to_excel(file_path, index=False)
    print("空行已删除并保存！")

# 执行函数
remove_empty_rows(folder_path)

9. 生成数据透视表和图表

数据透视表和图表是Excel中常用的分析工具，以下脚本示范了如何在Python中生成数据透视表和图表。

场景描述

假设我们有一份销售数据表，现在需要生成一个数据透视表来总结每个月的销售情况，并绘制相应的图表。

详细步骤

1. 导入必要的库

2. 读取Excel文件

3. 创建数据透视表

4. 绘制图表

代码示例

import pandas as pd
import matplotlib.pyplot as plt

# 读取Excel文件
file_path = 'your_folder_path/sales_data.xlsx'
df = pd.read_excel(file_path)

# 创建数据透视表（按月份汇总销售额）
pivot_table = pd.pivot_table(df, values='Sales', index='Month', aggfunc='sum')

# 绘制柱状图
pivot_table.plot(kind='bar')
plt.xlabel('Month')
plt.ylabel('Total Sales')
plt.title('Monthly Sales Summary')
plt.savefig('your_folder_path/pivot_table_chart.png')
plt.show()
print("数据透视表和图表已生成！")

10. 结论

通过以上8个Python脚本，我们可以极大地简化和自动化日常的Excel操作。从批量修改文件名、合并数据，到格式处理和数据分析，Python都能帮我们轻松应对。

希望这篇文章能启发你在实际工作中更多地应用Python，提高效率。如果你有任何问题或建议，欢迎留言交流。

由于文章篇幅有限，文档资料内容较多，需要这些文档的朋友，可以加小助手微信免费获取，【保证100%免费】，中国人不骗中国人。

                                     **（扫码立即免费领取）**

全套Python学习资料分享：

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，还有环境配置的教程，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频全套

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

版权声明：本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！