在日常的数据处理工作中，Excel无疑是一个强大的工具。然而，当数据量较大或需要自动化处理时，Python凭借其强大的库支持，如pandas和openpyxl，能够更高效地处理Excel文件。本文将介绍Python中常用的五种Excel操作，并额外添加两个实用功能，帮助你提升数据处理和文件美化能力。

一、读写Excel数据

为了演示方便，我们先生成一张Excel表：

	importpandasaspd # 创建一个DataFrame data = { 'Name': ['John','Anna','Peter','Linda'], 'Age': [28,34,29,32]
}
df = pd.DataFrame(data) # 写入Excel文件 df.to_excel('output.xlsx', index=False) # 读取Excel文件 df = pd.read_excel('output.xlsx', sheet_name='Sheet1')
print(df)

我们生产了一个dataframe数据表，利用to_excel函数将这个表保存到本地路径，保存为'output.xlsx'。

然后再用read_excel函数将这个Excel表读取进来，数据如下：

现在，这些数据已经被保存到output.xlsx这个Excel表格中，接下来我们对这份数据进行后续操作。

二、修改Excel文件

现在我们将第一个人“John”的年龄改为30岁：

	# 读取Excel文件 df = pd.read_excel('output.xlsx') # 修改数据 df.loc[0,'Age'] =30# 将第一行的Age改为30 # 写入Excel文件 df.to_excel('modified.xlsx', index=False)

我们先把刚才保存好的output.xlsx读取进来，修改第一个人的年龄为30岁，然后再保存为modified.xlsx。

可以看到，当前路径下有两张Excel表格。

我们打开modified.xlsx看看：

可以看到John的年龄被修改为30岁了。

三、添加和删除行列

接下来，我们在modified.xlsx表格的基础上做一些添加和删除的操作：

●新增一个人的信息；

●添加一列“Pet”，给这几位靓仔添加一些宠物；

●为了保护个人隐私，把City这一列删除。

如下：

# 读取Excel文件 df = pd.read_excel('modified.xlsx') # 添加行 df.loc[4, :] = ['Bob',45,'Osaka','Dancer'] # 添加列 df['Pet'] = ['Cat','Lion','Dog','Tiger','Monkey'] # 删除列 df.drop('City', axis=1, inplace=True) # 写入Excel文件 df.to_excel('modified2.xlsx', index=False)

我们首先利用df.loc定位到最后一行，新增Bob的相关信息，然后添加Pet这一列的信息，删除Age这一列，最后保存为modified2.xlsx：

可以看到，Bob的信息被添加进去了，而且City也被删除了，此外，每位靓仔都拥有了一个宠物！

四、筛选和排序数据

接下来，我们把表格中年龄大于30岁的人筛选出来，保存到另一张Excel表中：

	# 读取Excel文件 df = pd.read_excel('modified2.xlsx') # 筛选Age大于30的数据 filtered_df = df[df['Age'] >30] # 按Age列排序 sorted_df = df.sort_values(by='Age') # 写入Excel文件 df.to_excel('modified3.xlsx', index=False)

首先依然是读取Excel表格，然后利用dataframe的筛选语句，筛选出Age这一列大于30的人，再用sort_values函数进行排序。注意，sort_values函数默认为升序排列，如果想改为降序排列，需要设定参数ascending=False。

现在新生成的modified3.xlsx表格如下：

五、实现Excel的VLOOKUP

最后我们来点复杂的操作，实现Excel的王牌函数：VLOOKUP！

VLOOKUP函数本质上是把两种表格按照某列关键字进行横向拼接，现在我们再生成一张新表：

没错，就是刚才我们删除的City……这张新表命名为city.xlsx。

现在我们要以Name这一列作为关键字，把modified3.xlsx与city.xlsx这两张表进行横向拼接：

	# VLOOLUP函数 df1 = pd.read_excel('modified3.xlsx')
df2 = pd.read_excel('city.xlsx')
df_new = pd.merge(df1, df2, on='Name', how='left')
df_new.to_excel('last.xlsx')
print(df_new)

这段代码的关键点在于pd.merge函数。该函数的主要参数如下：

●前两个参数的参与拼接的表格，df1是左表，df2是右表；

●on参数用于指定关键字，一般只用一个关键字；

●how参数用于设定合并方式，可以设定为'left', 'right', 'inner'或'outer'。这里我们设定为'left'，意思是以左表df1作为标准进行合并。左表是读取的modified3.xlsx, 这张表里只有年龄大于30岁的人。

最终生成的last.xlsx表格如下：

任务完成！
通过本文，你学习了如何使用Python进行常用的Excel操作。这些操作能够帮助你更高效地处理大量数据，提升工作效率。掌握这些技能后，你可以进一步探索python办公自动化的其他功能，以应对更复杂的数据处理需求。