### 使用 Python 将单个数据写入到 Excel 表格的指定行列 在 Python 中可以借助 `openpyxl` 或者 `pandas` 来完成这一任务。以下是基于这两个库的具体实现： #### 方法一：使用 Openpyxl 实现 Openpyxl 是一个专门用来处理 `.xlsx` 文件的库，可以直接访问特定单元格并将数据写入其中。 ```python from openpyxl import load_workbook def write_single_data_openpyxl(file_path, sheet_name, row, col, data): """ Write a single piece of data into a specified cell in an Excel workbook. Parameters: file_path (str): Path to the Excel file. sheet_name (str): Name of the worksheet where the data will be written. row (int): Row number for writing the data. col (int): Column number for writing the data. data: Data to be written into the cell. """ try: # Load existing workbook or create new if not exists wb = load_workbook(filename=file_path) except FileNotFoundError: wb = Workbook() if sheet_name not in wb.sheetnames: wb.create_sheet(title=sheet_name) ws = wb[sheet_name] # Accessing specific cell by its coordinates and assigning value ws.cell(row=row, column=col).value = data # Save changes back to disk wb.save(file_path) # Example usage write_single_data_openpyxl( file_path='./output_example_openpyxl.xlsx', sheet_name='Sheet1', row=3, col=2, data='SpecificData' ) ``` 此函数通过加载现有工作簿或者创建新的工作簿来确保即使目标文件不存在也能正常运行。随后定位到具体的 Sheet 页面，并依据给定的位置参数设定对应单元格的内容[^1]。 #### 方法二：使用 Pandas 实现 尽管 Pandas 主要是面向数据分析的任务设计，但是也可以间接地满足这种需求。不过需要注意的是，这种方法通常涉及重新构建整个 DataFrame ，因此对于大规模数据集来说效率较低。 ```python import pandas as pd def write_single_data_pandas(file_path, sheet_name, row, col, data): """ Modify a single element within an Excel spreadsheet via Pandas. Note that due to limitations inherent with how Pandas handles spreadsheets, this approach may require rewriting entire sections of your dataset when making modifications at granular levels like individual cells. """ try: df = pd.read_excel(file_path, sheet_name=sheet_name, engine='openpyxl') # Convert from zero-based indexing used internally by Pandas/NumPy etc., # To match user expectations regarding human-readable indices starting from 1 instead of 0. adjusted_row = row - 1 adjusted_col = list(df.columns).index(col) if isinstance(col,str) else col - 1 df.iat[adjusted_row, adjusted_col] = data except Exception as e: print(f"Error occurred while reading/modifying dataframe:{e}") return None finally: writer = pd.ExcelWriter(file_path, engine='openpyxl') df.to_excel(writer,sheet_name,index=False ) writer.close() # Example Usage assuming there's already some structure present inside our hypothetical excel document named 'test.xlsx'. write_single_data_pandas( file_path='test.xlsx', sheet_name='Sheet1', row=4, col='B', # Alternatively could specify integer here too depending upon preference between label vs positional reference styles supported natively across different APIs available under both libraries mentioned earlier above section titled "Methods". data='New Value Here!' ) ``` 这里展示了另一种途径即利用 Pandas 修改已有电子表格里的单一元素。值得注意的一点在于 Pandas 默认采用零基索引来表示行号列名等信息所以实际应用过程中往往还需要额外转换以便适应最终用户的直观认知习惯[^2][^3]。 综上所述，在大多数情况下推荐优先考虑使用 Openpyxl 完成此类简单操作因为它的 API 设计更加贴近本原目的而且性能表现也相对较好尤其针对大型复杂的数据源更是如此[^4]。 --- ### 总结对比 | 特征 | Openpyxl | Pandas | |-----------------|-------------------------------|----------------------------| | **适用范围** | 单元级别精确控制 | 整体数据框层面 | | **易用程度** | 较高 | 需要更多前期准备 | | **执行效率** | 更高效 | 对于小规模更改开销较大 | 根据具体应用场景选择合适的解决方案至关重要！ ---