### 如何使用Python读取和遍历Excel文件 #### Pandas库的实现方式 通过`pandas`库，可以方便地将Excel文件加载到内存中并转换为DataFrame对象。此对象类似于表格结构，支持多种操作，如筛选、排序以及逐行访问。 以下是基于Pandas的一个具体示例代码： ```python import pandas as pd def traverse_with_pandas(file_path): # 加载Excel文件至DataFrame df = pd.read_excel(file_path) # 将Excel文件转为DataFrame [^3] print("使用Pandas遍历Excel数据：") for index, row in df.iterrows(): # 输出每行的内容 print(f"第 {index} 行: ", dict(row)) if __name__ == "__main__": file_path = "example.xlsx" traverse_with_pandas(file_path) ``` 这段代码展示了如何利用`iterrows()`函数逐一迭代DataFrame中的每一行，并将其转化为字典形式以便于后续处理[^4]。 --- #### OpenPyXL库的实现方式 对于更底层的操作需求，可以选择`openpyxl`库来完成同样的任务。该库允许开发者直接与单元格交互，提供更大的灵活性。 下面是采用OpenPyXL的方式进行遍历的例子： ```python from openpyxl import load_workbook def traverse_with_openpyxl(file_path): workbook = load_workbook(filename=file_path) # 打开指定路径下的Excel文档 [^1] sheet = workbook.active # 获取活动工作表 print("使用OpenPyXL遍历Excel数据：") for row in sheet.iter_rows(values_only=True): # values_only参数使得返回的是纯数值而非Cell对象 print(row) if __name__ == "__main__": file_path = "example.xlsx" traverse_with_openpyxl(file_path) ``` 这里的关键在于调用了`sheet.iter_rows()`方法，配合`values_only=True`选项简化输出过程[^1]。 --- #### 库依赖说明 无论选用哪种方案，在执行前都需要确认已安装必要的第三方库。如果没有预先配置好环境，则需运行如下命令以获取所需工具包[^2]: ```bash pip install pandas openpyxl ``` 这一步骤确保程序能够正常识别所使用的功能模块。 ---