### Python 中使用 Pandas 和 Openpyxl 处理 Excel 文件中的多个工作表 对于处理 Excel 文件内的不同工作表，`pandas` 结合 `openpyxl` 提供了一种高效的方式来进行读取和编辑操作。 #### 读取多个工作表的数据 为了能够一次性加载整个 Excel 文档中所有的 sheet 表格，并将其转换为字典形式存储以便后续访问： ```python import pandas as pd # 加载所有的工作表到一个字典里，键名为各Sheet的名字 xls_data = pd.read_excel('example.xlsx', sheet_name=None) for name, data in xls_data.items(): print(f'Sheet Name: {name}') print(data.head()) # 打印每个表格前几行的内容 ``` 上述代码片段展示了如何通过指定参数 `sheet_name=None` 来获取文档里的全部 Sheet 并以字典的形式返回[^1]。 #### 编辑特定工作表上的数据 当涉及到修改某个具体的工作表时，则可以先定位目标 Sheet 的 DataFrame 对象，在完成必要的更改之后再保存回原文件或者另存新副本。下面给出一段简单的例子说明这一过程： ```python from openpyxl import load_workbook wb = load_workbook(filename='example.xlsx') ws = wb['Target_Sheet_Name'] # 替换成实际的目标Sheet名称 cell_value = ws.cell(row=2, column=3).value # 获取单元格(2,3)处的值 print(cell_value) # 修改某些单元格内容的例子 ws.cell(row=2, column=3, value="New Value") # 如果要追加一行新的记录 new_row = ['Item A', 'Category B', 99.99] ws.append(new_row) # 最终记得保存所做的变更 wb.save('modified_example.xlsx') ``` 这段脚本演示了怎样利用 `openpyxl` 库直接操纵 Excel 工作簿对象及其内部的具体 Sheet，从而实现对选定区域进行更新的功能[^2]。 #### 合并来自多张表的数据 有时项目需求可能会要求把分散于各个独立 Sheet 上的信息汇总起来形成统一视图。此时可借助循环遍历每一个 Sheet 数据集并将它们按需拼接在一起： ```python all_sheets_df = [] with pd.ExcelFile('multi_sheet_file.xlsx') as excel_reader: for sheet in excel_reader.sheet_names: df = pd.read_excel(excel_reader, sheet_name=sheet) all_sheets_df.append(df) combined_df = pd.concat(all_sheets_df, ignore_index=True) ``` 此段程序实现了从同一个 Excel 文件的不同 Sheets 收集数据并通过 `pd.concat()` 函数纵向堆叠这些 DataFrames 成单一的整体结构[^4]。