### 使用 Python Pandas 创建 Excel 文件并与之交互 #### 导入必要的库 为了实现与 Excel 的交互操作，需要导入 `pandas` 和 `openpyxl` 或其他支持的引擎。以下是基本代码框架： ```python import pandas as pd from openpyxl import Workbook ``` #### 创建数据框 (DataFrame) 在 Pandas 中，所有的数据通常存储在一个名为 DataFrame 的结构中。可以通过字典或其他方式构建。 ```python data = { 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'Los Angeles', 'Chicago'] } df = pd.DataFrame(data) print(df) # 打印数据帧以便查看[^1] ``` #### 将数据写入 Excel 文件 通过调用 `to_excel()` 方法可将 DataFrame 数据保存至 Excel 文件中。需指定文件名以及使用的引擎（如 `openpyxl`）。 ```python with pd.ExcelWriter('output.xlsx', engine='openpyxl') as writer: df.to_excel(writer, sheet_name='Sheet1', index=False) print("Excel 文件已成功创建") # 输出确认消息 ``` #### 加载现有 Excel 文件并读取内容 如果已有 Excel 文件，则可通过 `pd.read_excel()` 函数将其加载为 DataFrame 对象。 ```python existing_df = pd.read_excel('input.xlsx') print(existing_df.head()) # 显示前几行数据以验证加载情况[^2] ``` #### 合并多个工作表中的数据 当一个 Excel 文件包含多张工作表时，可以逐一读取它们并将结果合并成单个 DataFrame。 ```python excel_file = pd.ExcelFile('multi_sheets.xlsx') sheets_dataframes = [] for sheet_name in excel_file.sheet_names: sheets_dataframes.append(excel_file.parse(sheet_name)) combined_df = pd.concat(sheets_dataframes, ignore_index=True) print(combined_df) # 查看最终组合后的数据集[^3] ``` #### 修改单元格样式或格式化数值 虽然 Pandas 主要用于数据分析而非复杂格式设置，但仍能借助附加模块完成部分定制需求。例如调整日期显示形式或者货币单位等。 ```python styled_df = combined_df.style.format({ 'Salary': '${:,.2f}', }) styled_df.to_excel('formatted_output.xlsx', engine='openpyxl') ``` 以上展示了如何运用 Pandas 库来创建新的 Excel 文档、解析现有的文档及其内部的工作簿，并执行简单的数据融合任务。