在Python中用来处理Excel表格数据，我们一般可以使用pandas库，在这个库中提供了非常强大的数据处理功能，提供了各种的数据处理函数以及快捷的数据处理方法，下面我们就来看看用Pandas如何对Excel表格数据进行处理吧！

安装 pandas 和 openpyxl

在介绍操作之前，首先介绍一下如何安装pandas和openpyxl（用于处理 Excel 文件的引擎）两个处理库。如下所示。

pip install pandas openpyxl

安装完成之后，接下来我们就来看看如何使用Python来对Excel表格数据进行处理吧。

读取 Excel 文件

我们可以使用pandas 提供的 read_excel 方法来读取Excel的文件。如下所示。

import pandas as pd

# 读取 Excel 文件中的第一个工作表
df = pd.read_excel('example.xlsx')

# 读取指定的工作表
df_specific_sheet = pd.read_excel('example.xlsx', sheet_name='Sheet2')

可以默认读取第一个Sheet工作表，也可以指定具体读取的某个数据表。

查看数据

读取Excel表格之后，接下来要做的事情就是读取表格中的数据，如下所示。我们可以通过head方法来查看前一行的数据。

print(df.head())

数据处理

同样也可以像是处理DataFrame一样去处理Excel的数据。例如如下的一些操作。

筛选数据

# 筛选出某列值大于 10 的行
filtered_df = df[df['column_name'] > 10]

添加新列

# 添加一列，该列的值是另一列值的两倍
df['new_column'] = df['column_name'] * 2

删除列

# 删除一列
df = df.drop(columns=['column_to_drop'])

保存数据到 Excel

我们可以通过调用 to_excel 方法来将操作完成的DataFrame数据保存到Excel文件中如下所示。

# 保存 DataFrame 到新的 Excel 文件中
df.to_excel('new_example.xlsx', index=False)

处理多个工作表

当然我们可以读取单个数据表来进行处理，我们也可以读取多个数据表来进行处理，如下所示。

# 读取所有工作表
sheets_dict = pd.read_excel('example.xlsx', sheet_name=None)

# 遍历所有工作表
for sheet_name, sheet_data in sheets_dict.items():
    print(f"Sheet name: {sheet_name}")
    print(sheet_data.head())

完整的示例

下面我们给出一个完整的处理Excel表格的代码，在代码中演示了上面提到的功能，当然在实际使用过程中Pandas能完成的事情远远不止这些。

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('example.xlsx')

# 显示前五行数据
print("Original Data:")
print(df.head())

# 筛选出某列值大于 10 的行
filtered_df = df[df['column_name'] > 10]

# 添加新列
filtered_df['new_column'] = filtered_df['column_name'] * 2

# 删除一列
filtered_df = filtered_df.drop(columns=['column_to_drop'])

# 保存处理后的数据到新的 Excel 文件
filtered_df.to_excel('filtered_example.xlsx', index=False)

print("Filtered Data saved to 'filtered_example.xlsx'")

总结

以上就是通过Python来处理Excel表格的简单的实现方式，当然在实际开发场景中，遇到的情况可能远远要比这个复杂很多，可能会涉及到数据入库存储，数据分析处理等。需要根据具体的情况来深入的了解。