### 使用 Python 从 Excel 或 CSV 文件中读取数据 #### Pandas 和 OpenpyXL 的介绍 Pandas 是一种强大的数据分析工具库，能够高效地处理结构化数据。它支持多种文件格式的读写操作，包括 Excel 和 CSV 文件。而 Openpyxl 则是一个专门用于读写 `.xlsx` 文件的库。 以下是基于 Pandas 和 Openpyxl 实现从 Excel 或 CSV 文件中读取数据的具体方法： --- #### 方法一：使用 Pandas 读取 CSV 文件 如果目标是从 CSV 文件中读取数据，则可以直接使用 `pandas.read_csv()` 函数[^2]。以下是一个简单的代码示例： ```python import pandas as pd # 定义CSV文件路径 csv_file_path = r"C:\Users\Example\Desktop\data.csv" # 使用pandas读取CSV文件 data_frame = pd.read_csv(csv_file_path) # 显示前几行数据以验证加载情况 print(data_frame.head()) ``` 此代码会将指定路径中的 CSV 数据加载到一个 DataFrame 对象中，并打印其头部内容以便确认数据已正确加载[^2]。 --- #### 方法二：使用 Pandas 读取 Excel 文件 当需要从 Excel 文件中提取数据时，可以借助 `pandas.read_excel()` 函数实现这一功能[^1]。需要注意的是，为了支持 `.xlsx` 格式的文件，通常还需要安装额外的支持库——openpyxl[^1]。下面展示了一个完整的例子： ```python import pandas as pd # 定义Excel文件路径 excel_file_path = r"C:\Users\Example\Desktop\data.xlsx" # 使用pandas读取Excel文件的第一个工作表 data_frame = pd.read_excel(excel_file_path, engine='openpyxl') # 输出DataFrame的内容 print(data_frame) ``` 这里指定了参数 `engine='openpyxl'` 来确保兼容最新的 Excel 文件格式[^1]。 --- #### 方法三：仅使用 Openpyxl 处理 Excel 文件 虽然 Pandas 提供了便捷的方式访问 Excel 表格，但在某些情况下可能更倾向于直接操控单元格级别的细节。此时可以选择单独依赖 openpyxl 库完成任务。如下所示为一段基础示范程序： ```python from openpyxl import load_workbook # 加载现有的Excel文档 workbook = load_workbook(r"C:\Users\Example\Desktop\data.xlsx") # 获取活动的工作表 sheet = workbook.active # 遍历表格中的每一行并打印出来 for row in sheet.iter_rows(values_only=True): print(row) ``` 这段脚本展示了如何逐行迭代整个电子表格并将每行作为元组返回[^1]。 --- #### 总结说明 以上三种方式分别适用于不同场景需求。如果是批量自动化处理大量类似的 VSC 表单建议优先考虑采用 Pandas 解决方案；而对于那些涉及复杂定制逻辑或者特定格式调整的任务来说，Openpyxl 可能更加灵活适用。 ---