↑ 点击上方 “一行数据” 关注 + 星标 ~
每周送书，绝不错过
之前分享过python调用过ppt和word，作为一家人的excel当然要整整齐齐的安排上
相对于excel，已经有人都写成了一本书。这里一篇文档根本写不下，但是行哥想起来若干年前，在处理数据的时候最大的难题就是导入excel数据，因为后来的数据清洗，提取都可以一步步来做。但是数据导入因为教程不一，文字编码不一，着实快成为我从入门到放弃的第一块门槛
所以本文介绍三种强大的python模块来读取excel，选用案例是之前分享过的分析2020年12000条python招聘数据，有兴趣的可以点击这里看一下
1.pandas
matplotlib、numpy、pandas是入行数据分析的三个必须掌握的基础模块，这里介绍一下用pandas如何导入excel文件。安装比较简单，直接用 pip 工具安装三个库即可，安装命令如下：
$ pip3 install pandas
安装完成提示 Successfully installed即表示安装成功。
# 1.导入pandas模块
import pandas as pd
# 2.把Excel文件中的数据读入pandas
df = pd.read_excel('Python招聘数据（全）.xlsx')
print(df)
# 3.读取excel的某一个sheet
df = pd.read_excel('Python招聘数据（全）.xlsx', sheet_name='Sheet1')
print(df)
# 4.获取列标题
print(df.columns)
# 5.获取列行标题
print(df.index)
# 6.制定打印某一列
print(df["工资水平"])
# 7.描述数据
print(df.describe())
其中的describe函数可以统计整体工资情况，告诉行哥你有没有超过50%
使用for循环遍历整个excel文件，我们可以看到12000行数据总耗时达到2.6s
import time
t1 = time.time()
for indexs in df.index:
print(df.loc[indexs].values[0:-1])
t2=time.time()
print("使用pandas工具包遍历12000行数据耗时：%.2f 秒"%(t2-t1))
2.openpyxl
小五说这个最好用的python 操作 excel 表格库，下面可以看到openpyxl的读取方法。安装比较简单，直接用 pip 工具安装三个库即可，安装命令如下：
$ pip3 install openpyxl
安装完成提示 Successfully installed即表示安装成功。
from openpyxl import load_workbook
# 1.打开 Excel 表格并获取表格名称
workbook = load_workbook(filename="Python招聘数据（全）.xlsx")
print(workbook.sheetnames)
# 2.通过 sheet 名称获取表格
sheet = workbook["Sheet1"]
print(sheet)
# 3.获取表格的尺寸大小(几行几列数据) 这里所说的尺寸大小，指的是 excel 表格中的数据有几行几列，针对的是不同的 sheet 而言。
print(sheet.dimensions)
# 4.获取表格内某个格子的数据
# 1 sheet["A1"]方式
cell1 = sheet["A1"]
cell2 = sheet["C11"]
print(cell1.value, cell2.value)
"""
workbook.active 打开激活的表格; sheet["A1"] 获取 A1 格子的数据; cell.value 获取格子中的值;
"""
# 4.2sheet.cell(row=, column=)方式
cell1 = sheet.cell(row = 1,column = 1)
cell2 = sheet.cell(row = 11,column = 3)
print(cell1.value, cell2.value)
# 5. 获取一系列格子
# 获取 A1:C2 区域的值
cell = sheet["A1:C2"]
print(cell)
for i in cell:
for j in i:
print(j.value)
通过openpyxl库操作excel，使用for循环迭代打印12000行数据仅需要0.47 s
import time
t1 = time.time()
for i in sheet.iter_rows(min_row=1, max_row=12256, min_col=1, max_col=10):
for j in i:
print(j.value)
t2=time.time()
print("使用openpyxl工具包遍历12000行数据耗时：%.2f 秒"%(t2-t1))
3.xlrd
xlrd是xlrd&xlwt&xlutils三个库中的一个：
xlrd：用于读取 Excel 文件；xlwt：用于写入 Excel 文件；xlutils：用于操作 Excel 文件的实用工具，比如复制、分割、筛选等；
安装比较简单，直接用 pip 工具安装三个库即可，安装命令如下：
$ pip3 install xlrd xlwt xlutils
安装完成提示 Successfully installed xlrd-1.2.0 xlutils-2.0.0 xlwt-1.3.0 即表示安装成功。
接下来我们就从写入 Excel 开始，话不多说直接看代码如下：
# 导入 xlrd 库
import xlrd
# 打开刚才我们写入的 test_w.xls 文件
wb = xlrd.open_workbook("Python招聘数据（全）.xlsx")
# 获取并打印 sheet 数量
print( "sheet 数量:", wb.nsheets)
# 获取并打印 sheet 名称
print( "sheet 名称:", wb.sheet_names())
# 根据 sheet 索引获取内容
sh1 = wb.sheet_by_index(0)
# 也可根据 sheet 名称获取内容
# sh = wb.sheet_by_name('成绩')
# 获取并打印该 sheet 行数和列数
print( u"sheet %s 共 %d 行 %d 列" % (sh1.name, sh1.nrows, sh1.ncols))
# 获取并打印某个单元格的值
print( "第一行第二列的值为:", sh1.cell_value(0, 1))
# 获取整行或整列的值
rows = sh1.row_values(0) # 获取第一行内容
cols = sh1.col_values(1) # 获取第二列内容
# 打印获取的行列值
print( "第一行的值为:", rows)
print( "第二列的值为:", cols)
# 获取单元格内容的数据类型
print( "第二行第一列的值类型为:", sh1.cell(1, 0).ctype)
# # 遍历所有表单内容
import time
t1 = time.time()
for sh in wb.sheets():
for r in range(sh.nrows):
# 输出指定行
print( sh.row(r))
t2=time.time()
print("使用xlrd工具包遍历12000行数据耗时：%.2f 秒"%(t2-t1))
5.总结
| 类型 | xlrd&xlwt&xlutils | pandas | OpenPyXL |
|---|---|---|---|
| 读取 | 支持 | 支持 | 支持 |
| 写入 | 支持 | 支持 | 支持 |
| 修改 | 支持 | 支持 | 支持 |
| xls | 支持 | 支持 | 不支持 |
| xlsx | 高版本支持 | 支持 | 支持 |
| 大文件 | 不支持 | 支持 | 支持 |
| 效率 | 快 | 快 | 快 |
| 功能 | 较弱 | 强大 | 一般 |
| 遍历耗时 | 0.35 s | 2.60 s | 0.47 s |
这里附上3个模块的性能对比，从遍历时间上xlrd模块最快，从功能强大上我选择pandas，从数据量上我得选择mysql、hadoop、spark????
往期推荐
对了，可以加下行哥微信好友，私聊回复「02」可以领取5T编程资料哦
人生苦短，我用Python
祝三连的读者这个月找到对象！！！！！