深入浅出理解数据分析系列之：python openpyxl库处理Excel文档_iter_columns

openpyxl是一个读写Excel2010(xlsx/xlsm)文档的Python库，能够同时读取和修改Excel文档。一个Excel文档称为一个工作薄，在Office2010下，典型工作薄的文件扩展名为xlsx。一个工作薄可以包含多个表格。Excel通过行和列表示一个单元格，行的坐标使用数字表示，列的坐标使用字母表示。例如表格左上角的单元格，其坐标为"A1"。

openpyxl是一个开源项目，在使用之前需要先进行安装：

pip install openpyxl
1

openpyxl有三个不同层次的类，分别是Workbook、Worksheet和Cell。
Workbook是对Excel工作薄的抽象，Worksheet是对表格的抽象，Cell是对单元格的抽象。

一、工作簿Workbook

在操作一个Excel之前，应该先创建一个Workbook对象。对于创建一个新的Excel文档，直接进行Workbook类调用即可。对于读取一个已经有的Excel文档，可以使用openpyxl模块的load_workbook函数。该函数接受多个参数，但只有filename参数为必传参数。

import openpyxl
wb = openpyxl.load_workbook("example.xlsx")
1
2

workbook对象有多种属性和方法：

1. active：获取活跃的Worksheet
2. read_only：是否以read_only模式打开Excel文档
3. encoding：文档的字符集编码
4. properties：文档的元素及，如标题、创建者、创建日期等
5. worksheets：以列表的形式返回所有的Worksheet

import openpyxl
wb = openpyxl.load_workbook(r"D:/tmp/test.xlsx")
wb.active
#<Worksheet "Sheet1">
wb.read_only
#False
wb.encoding
#utf-8
wb.worksheets
#[<Worksheet "Sheet1">]
1
2
3
4
5
6
7
8
9
10

Workbook对象的方法大都与Worksheet相关。常用的方法如下：

1. sheetnames：获取所有表格的名称
2. wb[表名]：通过表格名称获取Worksheet对象
3. get_active_sheet：获取活跃的表格
4. remove_sheet：删除一个表格
5. create_sheet：创建一个空的表格
6. copy_worksheet：在Workbook内拷贝表格

wb.sheetnames
#['学生信息']
wb["学生信息"]
#<Worksheet "学生信息">
1
2
3
4

二、表单Worksheet

通过Worksheet对象获取表格属性，得到单元格中的数据，修改表格中的内容。

1. title：表格的标题
2. dimension：表格的大小
3. max_row：表格的最大行
4. min_row：表格的最小行
5. max_column：表格的最大列
6. min_column：表格的最小列
7. rows按行获取单元格（cell对象）
8. columns按列获取单元格(cell对象）
9. freeze_panes冻结窗格，主要用于在表格较大时冻结顶部的行或左边的列。对于冻结的行或列，就算用户滚动电子表格，也是始终可见的
10. values按行获取表格的内容（数据）

ws = wb["学生信息"]
#学生信息
ws.title
#A1:H5
ws.dimensions
#8
ws.max_column
#1
ws.min_column
#<generator object Worksheet._cells_by_col at 0x000002314A4E6930>
ws.columns
#<generator object Worksheet._cells_by_row at 0x000002314A4E6930>
ws.rows
#<generator object Worksheet.values at 0x000002314A4E6930>
ws.values
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

这段代码中，通过Workbook[表名]获取Worksheet对象。通过不同的属性名获取student这张表的属性。其中，columns、rows和values这几个属性都是通过生成器的方式返回数据。

Worksheet常用的一些方法：

1. iter_rows：按行获取所有单元格(Cell对象)
2. iter_columns：案列获取所有的单元格
3. append：在表格末尾添加数据
4. merged_cells：合并多个单元格
5. unmerge_cells：移除合并的单元格
   其中，iter_rows方法和iter_columns方法在参数取默认值时，与rows属性和columns属性的作用相同。区别在于，iter_rows方法和iter_columns方法可以通过函数参数限定访问表格的范围。

list(ws.iter_rows(min_row=2,max_row=4,min_col=1,max_col=3))
 [(<Cell '学生信息'.A2>, <Cell '学生信息'.B2>, <Cell '学生信息'.C2>), (<Cell '学生信息'.A3>, <Cell '学生信息'.B3>, <Cell '学生信息'.C3>), (<Cell '学生信息'.A4>, <Cell '学生信息'.B4>, <Cell '学生信息'.C4>)]
1
2

从Worksheet的属性和方法的使用中可以看到，很多属性和方法返回的是一个Cell对象。一个Cell对象就代表一个单元格，可以直接使用Excel坐标的方式获取Cell对象，也可以使用Worksheet的cell方法获取cell对象。

ws['A2']
ws.cell(row=1,column=2)
#<Cell '学生信息'.A2>
#<Cell '学生信息'.B1>
1
2
3
4

三、行row、列column、单元格Cell

Cell对象常用属性如下；

1. row:单元格所在的行
2. column：单元格所在的列
3. value：单元格的取值
4. cordinate：单元格的坐标

用四种方法打印student表中的内容：

#"第一种方法："
for row in ws.rows:
    print(*row)
#"第二种方法："
for row in ws.rows:
    print(*[cell.value for cell in row])
#"第三种方法："
for row in ws.iter_rows():
    print(*[cell.value for cell in row])
#"第四种方法："
for i in range(ws.min_row,ws.max_row + 1):
    for j in range(ws.min_column,ws.max_column + 1):
        print(ws.cell(row=i,column=j).value,end='')
    print()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

四、 使用openpyxl修改Excel文档

openpyxl可以读取Excel文档，而且还可以修改Excel文档，包括修改单元格的数据、合并单元格、修改单元格的字体、在Excel文档中画图等。
新建一个工作薄就是创建一个Workbook对象，创建完Workbook对象以后，默认会有一个名为”sheet1“的表格，通过表格的名称来获取这个表格。获取表格以后，通过给表格的title属性赋值的方式来修改表格的名称。

import openpyxl
import datetime

#创建一个Workbook对象
wb = openpyxl.Workbook()
#['Sheet']
#获取Worksheet对象
ws = wb['Sheet']
ws.title = "学生信息"

#创建一个worksheet对象
wb.create_sheet(index=0,title="new sheet")
#['new sheet', '学生信息']
print(wb.sheetnames)

#删除一个worksheet对象
wb.remove_sheet(wb['new sheet'])
#['学生信息']
print(wb.sheetnames)

#填充单元格的数据
ws['A1'] = 'Hello world'
ws['A2'] = datetime.datetime.now()

#调用Workbook的save方法将数据保存到磁盘之中
wb.save(r"D:\tmp\openpyxl.xlsx")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

五、案例：统计平均分和总分

import openpyxl


def process_worksheet(sheet):
    avg_column = sheet.max_column + 1
    sum_column = sheet.max_column + 2

    for row in sheet.iter_rows(min_row=2,min_col=6):
        scores = [cell.value for cell in row]
        sum_score = sum(scores)
        avg_score = sum_score / len(scores)

        # 计算平均分总和，并且保存到最后两列
        sheet.cell(row=row[0].row,column=avg_column).value = avg_score
        sheet.cell(row=row[0].row,column=sum_column).value = sum_score

    sheet.cell(row=1,column=avg_column).value = '平均分'
    sheet.cell(row=1,column=sum_column).value = '总分'


def main():
    wb = openpyxl.load_workbook(r"D:/tmp/test.xlsx")
    ws = wb["学生信息"]
    process_worksheet(ws)
    wb.save(r"D:/tmp/学生成绩统计.xlsx")

if __name__ == '__main__':
    main()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

六、案例：合并多个Excel文档到一个Excel文档

将多个Excel文档合并到到单个文件

合并excel的思路是：1）获取第一个文档中的表格2）依次遍历其他文件中的报名表，并通过iter_rows函数忽略报名表中的首行内容3）通过列表推导获取报名表中的数据，然后调用Worksheet的append函数将数据添加到汇总表的末尾。

import os
#glob模块的主要方法就是glob,该方法返回所有匹配的文件路径列表（list）
#该方法需要一个参数用来指定匹配的路径字符串（字符串可以为绝对路径也可以为相对路径)
#其返回的文件名只包括当前目录里的文件名，不包括子文件夹里的文件
import glob
import openpyxl

def merge_xlsx_files(xlsx_files):
    wb = openpyxl.load_workbook(xlsx_files[0])
    ws = wb.active
    ws.title = "merged result"

    for filename in xlsx_files[1:]:
        workbook = openpyxl.load_workbook(filename)
        sheet = workbook.active
        for row in sheet.iter_rows(min_row=2):
            values = [cell.value for cell in row]
            ws.append(values)

    return wb


def get_all_xlsx_files(path):
    xlsx_files = glob.glob(os.path.join(path,'*.xlsx'))
    sorted(xlsx_files,key=str.lower)
    return xlsx_files

def main():
    xlsx_files = get_all_xlsx_files(r"D:\tmp\test")
    wb = merge_xlsx_files(xlsx_files)
    wb.save(r"D:\tmp\test\merged_form.xlsx")

if __name__ == '__main__':
    main()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

七、glob补充

glob是python自带的文件操作相关模块，用于查找符合条件的文件，支持通配符操作。
glob方法：
glob模块的主要方法就是glob,该方法返回所有匹配的文件路径列表。
该方法需要一个参数用来指定匹配的路径字符串（字符串可以为绝对路径也可以为相对路径），其返回的文件名只包括当前目录里的文件名，不包括子文件夹里的文件。

xlsx_files = glob.glob(os.path.join(path,'*.xlsx'))
1