Python處理電子表格的Pandas、OpenPyXL、xlrd和xlwt庫
在Python中處理表格數據,有幾個非常流行且功能強大的庫,Pandas在數據分析方面提供了廣泛的功能,而OpenPyXL、xlrd和xlwt則在處理Excel文件方面各有所長,以下是一些最常用的庫及其示例代碼
1. Pandas
Pandas是一個開放源代碼的、BSD許可的庫,為Python編程語言提供高性能、易于使用的數據結構和數據分析工具。
安裝Pandas
pip install pandas
示例代碼:讀取CSV文件
import pandas as pd # 讀取CSV文件 df = pd.read_csv('pokemon.csv') # 顯示前五行數據 print(df.head()) # 計算某列的平均值 print("Average of column:", df['Speed'].mean()) # 數據篩選 filtered_df = df[df['Speed'] > 10] # 將更改后的DataFrame保存到新的CSV文件 filtered_df.to_csv('filtered_example.csv', index=False)
2. OpenPyXL
OpenPyXL是一個庫,用于讀取和寫入Excel 2010 xlsx/xlsm/xltx/xltm文件。
安裝OpenPyXL
pip install openpyxl
示例代碼:讀取Excel文件
from openpyxl import load_workbook # 加載一個現有的工作簿 wb = load_workbook('example.xlsx') # 獲取活動的工作表 sheet = wb.active # 讀取A1單元格的值 print(sheet['A1'].value) # 修改B2單元格的值 sheet['B2'] = 42 # 保存工作簿 wb.save('modified_example.xlsx')
3. CSV
Python標準庫中的CSV模塊提供了讀寫CSV文件的功能。
示例代碼:讀取CSV文件
import csv # 打開CSV文件 with open('example.csv', mode='r', encoding='utf-8') as file: reader = csv.reader(file) # 遍歷每一行 for row in reader: print(row) # 寫入CSV文件 with open('output.csv', mode='w', encoding='utf-8', newline='') as file: writer = csv.writer(file) writer.writerow(['Name', 'Age', 'City']) writer.writerow(['Alice', '24', 'New York'])
4. xlrd/xlwt
這兩個庫通常一起使用,xlrd用于讀取老版本的Excel文件(xls),而xlwt用于寫入。
安裝xlrd和xlwt
pip install xlrd xlwt
示例代碼:讀取xls文件
import xlrd # 打開工作簿 wb = xlrd.open_workbook('catering_sale.xls') # 通過索引獲取工作表 sheet = wb.sheet_by_index(0) # 讀取A1單元格的值 print(sheet.cell_value(0, 0)) # 獲取行數和列數 print(sheet.nrows, sheet.ncols)
總結
當選擇庫的時候,最好考慮你的具體需求,例如文件格式(CSV、Excel等)、數據大小、性能需求以及是否需要進行復雜的數據分析和操作。Pandas在數據分析方面提供了廣泛的功能,而OpenPyXL、xlrd和xlwt則在處理Excel文件方面各有所長。標準庫中的CSV模塊足夠處理基本的CSV文件操作。
到此這篇關于Python處理電子表格的Pandas、OpenPyXL、xlrd和xlwt庫的文章就介紹到這了,更多相關Python處理電子表格的四個庫內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
Python使用colorlog實現控制臺管理日志多種顏色顯示
colorlog 是一個 Python 日志庫,它可以讓你在控制臺中以彩色的方式顯示日志消息,使得日志更易于閱讀和理解,下面就跟隨小編一起來看看它的具體應用吧2024-03-03django中的select_related和prefetch_related性能優(yōu)化分析
這篇文章主要介紹了django中的select_related和prefetch_related性能優(yōu)化分析,本文給大家介紹的非常詳細,需要的朋友可以參考下2024-07-07