### 使用 Python 的 openpyxl 或 pandas 库将数据写入 Excel 文件 在 Python 中，`openpyxl` 和 `pandas` 是两个常用的库，用于处理 Excel 文件。下面分别介绍这两种方法的实现细节。 #### 方法一：使用 Pandas 实现 Pandas 提供了一种简洁的方式来创建和修改 Excel 文件中的数据表。它允许开发者轻松地将字典或其他数据结构转化为 DataFrame 并保存到 Excel 表格中。 ```python import pandas as pd data_to_append = { 'Column1': ['Value1', 'Value2', 'Value3'], 'Column2': ['Value4', 'Value5', 'Value6'] } file_name = 'example1.xlsx' try: existing_data = pd.read_excel(file_name) except FileNotFoundError: print('如果文件不存在，则创建一个新的空 DataFrame') existing_data = pd.DataFrame() # 将要追加的数据转换为 DataFrame 格式 data_to_append_df = pd.DataFrame(data_to_append) # 追加新数据到现有的 DataFrame 后面 new_data = existing_data.append(data_to_append_df, ignore_index=True) # 将更新后的数据写回到 Excel 文件 new_data.to_excel(file_name, index=False, sheet_name='Sheet1') ``` 这段代码首先尝试读取已有的 Excel 文件；如果没有找到该文件，则会打印一条消息并初始化一个空的 DataFrame 对象。接着把待添加的新记录封装成另一个 DataFrame，并调用 `append()` 函数将其附加到原始数据之后。最后一步就是把这些改动持久化回磁盘上的 .xlsx 文件里去了[^1]。 #### 方法二：使用 Openpyxl 实现 Openpyxl 更接近底层操作，适合那些需要精细控制单元格样式等情况的应用场景。虽然不像 Pandas 那样提供高层次抽象接口，但它仍然非常强大且易于学习掌握。 ```python from openpyxl import Workbook wb = Workbook() ws = wb.active headers = ["Column1", "Column2"] values = [["Value1", "Value4"], ["Value2", "Value5"], ["Value3", "Value6"]] for col_num, header in enumerate(headers, start=1): ws.cell(row=1, column=col_num).value = header row_start = 2 for row_idx, value_pair in enumerate(values, start=row_start): for col_idx, cell_val in enumerate(value_pair, start=1): ws.cell(row=row_idx, column=col_idx).value = cell_val output_file_path = './output_example_openpyxl.xlsx' wb.save(output_file_path) ``` 在这个例子当中，我们先实例化了一个工作簿对象 (`Workbook`) 及其默认的工作表(`active`). 接下来设置好头部信息后遍历我们的值列表填充每一个对应的单元格位置。完成后记得保存整个文档至指定路径下[^2]. 两种方式各有优劣之处——如果你追求的是速度与便利性的话那么毫无疑问应该选用 Pandas；而对于更复杂的任务如调整字体颜色大小等等则可能需要用到 Openpyxl 才能做到更好效果[^3]. --- ### 总结对比 | 特征 | Pandas | Openpyxl | |--------------|---------------------------------|------------------------------| | 易于上手 | ✔️ | ❌ | | 数据分析能力 | 强大 | 较弱 | | 单元级操控 | 不足 | 精细 | | 社区支持度 | 大众流行 | 专业领域 | 无论采用哪种工具都取决于具体项目需求和个人偏好等因素综合考量后再做决定即可.