### 如何使用 Python 提取 Excel 中满足特定条件的行 #### 方法一：使用 Pandas 进行筛选 Pandas 是一种强大的数据分析工具，可以轻松加载和操作 Excel 数据。通过 `DataFrame` 的布尔索引功能，可以根据指定条件过滤数据。 以下是基于 Pandas 实现的一个代码示例： ```python import pandas as pd def filter_rows_by_condition(file_path, column_name, condition_value): # 加载 Excel 文件到 DataFrame df = pd.read_excel(file_path) # 筛选符合条件的行 filtered_df = df[df[column_name] == condition_value] return filtered_df if __name__ == "__main__": file_path = "example.xlsx" column_name = "ColumnA" # 替换为实际列名 condition_value = "SpecificValue" # 替换为目标值 result = filter_rows_by_condition(file_path, column_name, condition_value) print("筛选后的数据：") print(result) ``` 此方法利用 Pandas 的布尔索引特性来实现条件筛选[^1]。 --- #### 方法二：使用 OpenPyXL 遍历并筛选 如果需要更底层的操作或者不希望依赖于整个表格作为对象，则可以选择 OpenPyXL 来逐行遍历并手动判断每一行是否符合给定条件。 下面是一个具体的例子： ```python from openpyxl import load_workbook def filter_rows_with_openpyxl(file_path, target_column_index, condition_value): workbook = load_workbook(filename=file_path) sheet = workbook.active matching_rows = [] for row in sheet.iter_rows(min_row=2, values_only=True): # 跳过表头 if row[target_column_index - 1] == condition_value: # 列索引从0开始计数 matching_rows.append(row) return matching_rows if __name__ == "__main__": file_path = "example.xlsx" target_column_index = 1 # A列为第1列 condition_value = "SpecificValue" rows = filter_rows_with_openpyxl(file_path, target_column_index, condition_value) print("匹配的行：") for row in rows: print(row) ``` 在此方法中，我们通过迭代工作簿中的每行，并比较目标列的内容与设定条件一致与否完成筛选过程[^2]。 --- ### 总结 两种方式各有优劣： - **Pandas** 更适合快速分析大规模结构化数据集的情况；它提供了简洁易懂的语法用于复杂查询。 - **OpenPyXL** 对单个单元格级别的控制更强，在某些特殊场景下可能更加灵活适用。 无论采用哪种技术栈解决问题，请确保安装好对应的库版本后再运行脚本程序。