python办公实例excel，Python自动化办公-Excel读取与操作
python办公实例excel，Python自动化办公-Excel读取与操作data_kemu = pd.read_excel('/Users/liuhongxing/Desktop/Test.xlsx' sheet_name="科目" header=2 usecols=['姓名' '科目' '成绩']) data_dengji = pd.read_excel('/Users/liuhongxing/Desktop/Test.xlsx' sheet_name="等级" header=2 usecols=['等级' '成绩']) data = pd.merge(data_kemu data_dengji how='left' on='成绩') data.head()输出结果，与预期一致，此处采
实现自动化办公是许多同学学习Python的初衷，但对于有选择困难症而且基础相对薄弱的同学来讲，面对众多的教程，Python库，往往无从下手，本篇从实际应用的角度，给出一条能快速上手的学习及实操路线，以让初学者少走弯路，尽快上车。
现有Excel自动化处理方式及对比
- 学习pandas使用（已经了解的同学忽略）。
- 学习read_excel和to_excel参数含义。将Excel转化为DataFrame，用pandas进行处理及输出。
Python数据科学，有几个包时必须掌握的，numpy处理数组矩阵计算，pandas相当于numpy的升级版，处理结构化数据，这两个包时学习其他数据处理的前提，学习资源有：廖雪峰官网，《Python数据科学》等，此处不进行过多，后面我会针对这两部分做专项讲解，同学们可后续关注更新情况。
“read_excel”参数介绍pd.read_excel(io sheetname=0 header=0 skiprows=None index_col=None names=None arse_cols=None date_parser=None na_values=None thousands=None convert_float=True has_index_names=None converters=None dtype=None true_values=None False_values=None engine=None squeeze=False **kwds)
大家知道，每个Python库通常参数都特别多，但大家只需知道常用的就好，下面我把常用的参数给大家做了翻译：
pd.read_excel(io="路径" sheetname="工作表名" header="指定作为列名的行" skiprows="跳过头部指定行数的数据" ski_footer="跳过尾部指定行数的数据" index_col="指定索引列" names="传入列名list" usecols="要读取的列" arse_cols=None date_parser=None na_values=None thousands=None convert_float=True has_index_names=None converters=None dtype=None true_values=None false_values=None engine=None squeeze=False **kwds)示例
假如我们Excel中有两个工作表，表1：“科目”，表2：“等级”，现在要把等级根据成绩匹配值表1.
1.读取数据
读取数据时要指定好工作表名称，表头位置，否则会导致数据读取不准确。比如仅指定工作表名：
import pandas as pd
data_kemu = pd.read_excel('Test.xlsx' sheet_name="科目" header=2 usecols=['姓名' '科目' '成绩'])
data_kemu
结果如下，因为表内数据并非顶格开始的，所以需要加入更多参数。
data_kemu = pd.read_excel('Test.xlsx' sheet_name="科目" header=2 usecols=['姓名' '科目' '成绩'])
data_kemu
输出结果正常，所以在Excel文件读取时，通常要指定出工作表名，起始行，所需列等信息：
2.数据匹配merge
data_kemu = pd.read_excel('/Users/liuhongxing/Desktop/Test.xlsx' sheet_name="科目" header=2 usecols=['姓名' '科目' '成绩'])
data_dengji = pd.read_excel('/Users/liuhongxing/Desktop/Test.xlsx' sheet_name="等级" header=2 usecols=['等级' '成绩'])
data = pd.merge(data_kemu data_dengji how='left' on='成绩')
data.head()
输出结果，与预期一致，此处采用了常用的函数merge 来处理不同表间数据融合的问题。
3.存储导出
“to_excel”参数介绍导出虽然有较多参数，但我们通常已经在数据处理过程中处理成了我们想要的样子，所以此处需要用到的参数通常较少，通常为表名，缺失值填充，是否含index等，其它维持默认即可。
df.to_excel(self excel_writer sheet_name='Sheet1' na_rep='' float_format=None columns=None header=True index=True index_label=None startrow=0 startcol=0 engine=None merge_cells=True encoding=None inf_rep='inf' verbose=True freeze_panes=None)
参数解释：
df.to_excel(目标路径 sheet_name="工作表名" na_rep="缺失值填充" float_format="数据格式" columns=“哪些列存储” header=“是否含表头” index=“是否含index，默认有” index_label=None startrow=“起始行” startcol=“起始列” engine=None merge_cells=True encoding=“编码方式” inf_rep='inf' verbose=True freeze_panes=None)
导出示例：
data.to_excel('Data.xlsx' sheet_name="汇总" index=False)
本文侧重讲解了运用pandas对Excel表进行读入和输出的两个常用函数read_excel和to_excel，在这个基础上，将一切Excel问题转化为pandas问题，从而实现Excel的快速批量处理，实现真正意义上的办公自动化。
