### 使用 Pandas 和 Openpyxl 实现 Excel 数据处理 #### 方法概述 Pandas 是一种强大的数据分析工具，能够轻松读取和写入 Excel 文件。Openpyxl 则专注于对 `.xlsx` 格式的文件进行更细致的操作，比如逐行复制数据。以下是两种方式的具体实现。 --- #### 使用 Pandas 进行数据复制 通过 `pandas.read_excel()` 可以加载源 Excel 表单的数据，并将其保存到新的目标表单中： ```python import pandas as pd # 读取原始 Excel 文件的第一个 sheet df = pd.read_excel('source.xlsx', sheet_name='Sheet1') # 将 DataFrame 写入新的 Excel 文件 df.to_excel('destination.xlsx', index=False, sheet_name='NewSheet') ``` 上述代码实现了从名为 `source.xlsx` 的文件中读取第一个工作表的内容，并将这些内容存储到一个新的 Excel 文件 `destination.xlsx` 中[^4]。 --- #### 使用 Openpyxl 进行逐行复制 如果需要更加精细控制每一行的复制过程，则可以选择使用 openpyxl 库来完成此任务： ```python from openpyxl import load_workbook, Workbook # 加载现有的 Excel 工作簿 wb_source = load_workbook(filename="source.xlsx") ws_source = wb_source.active # 创建一个新的工作簿用于保存结果 wb_dest = Workbook() ws_dest = wb_dest.active # 遍历原表格中的所有行并逐一复制到新表格 for row in ws_source.iter_rows(values_only=True): ws_dest.append(row) # 保存新的 Excel 文件 wb_dest.save("destination.xlsx") ``` 这段脚本利用了 openpyxl 提供的功能，先打开现有 Excel 文档作为输入源，再创建一个全新的空白文档准备接收被迁移过来的信息；最后遍历旧文档里的每一个单元格值填入对应位置形成副本[^3]。 --- #### 结合两者优势的方式 有时我们希望既享受 pandas 带来的便捷又保留某些特定格式设置的能力时，就可以混合运用这两种技术手段。例如下面这个例子展示了怎样借助 pandas 来提取所需字段后再用 openpyxl 完成最终布局调整的任务: ```python import pandas as pd from openpyxl import load_workbook # Step 1: Use Pandas to read and process data dataframe = pd.read_excel('input_file.xlsx') # Assume we only want specific columns copied over. filtered_df = dataframe[['ColumnA','ColumnB']] with pd.ExcelWriter('output_file.xlsx', engine='openpyxl') as writer: filtered_df.to_excel(writer, sheet_name='FilteredData',index=False) workbook = load_workbook('output_file.xlsx') worksheet = workbook['FilteredData'] # Additional formatting can be done here using openpyxl methods... cell = worksheet.cell(row=1,column=1) cell.font = Font(bold=True) # Example of applying bold font style. workbook.save('formatted_output_file.xlsx') ``` 在这里，首先采用 pandas 对原始资料进行了筛选过滤操作之后存盘至临时中间产物 'output_file.xlsx' ，接着再次调用 openpyxl 载入该档案并对其中个别项目施加额外样式设定[^5]。 --- ### 注意事项 - 当涉及复杂的工作薄结构或者特殊格式保持需求的时候，单纯依赖于 pandas 可能无法满足全部要求，此时推荐引入 openpyxl 协助解决这些问题。 - 如果遇到非常庞大的电子表格文件，考虑到内存消耗等因素影响效率的话，应该考虑分批次逐步导入导出而不是一次性全量加载整个文件内容。 ---