### Python 中使用 Pandas 和 Openpyxl 进行 Excel 数据的导入和导出 #### 导入 Excel 数据到 Python Pandas 是一个强大的数据分析工具，能够轻松读取 Excel 文件中的数据并将其转换为 DataFrame 对象。以下是具体实现方式： ```python import pandas as pd # 从 Excel 文件中读取数据 file_path = 'example.xlsx' data_frame = pd.read_excel(file_path, sheet_name='Sheet1') print(data_frame.head()) # 显示前几行数据 ``` 此代码片段展示了如何利用 `pd.read_excel` 方法加载指定路径下的 Excel 文件，并指定了工作表名称[^1]。 --- #### 导出 Python 数据至 Excel 文件 当需要将处理后的数据存储回 Excel 文件时，可以借助 Pandas 的 `to_excel` 函数完成这一过程。下面是一个简单的例子： ```python import pandas as pd # 构建示例数据框 data = {'姓名': ['张三', '李四'], '年龄': [25, 30]} df = pd.DataFrame(data) # 将数据帧写入新的 Excel 文件 output_file = 'output.xlsx' with pd.ExcelWriter(output_file, engine='openpyxl') as writer: df.to_excel(writer, index=False, sheet_name='Sheet1') ``` 这里通过设置参数 `engine='openpyxl'` 来确保兼容性良好地创建现代格式 (.xlsx) 的 Excel 文档[^1]。 对于更复杂的场景——比如向已有文件追加新记录，则需采用如下策略： ```python from openpyxl import load_workbook import pandas as pd existing_file = 'append_to_this.xlsx' # 加载现有的 workbook 并获取活动 worksheet work_book = load_workbook(existing_file) writer = pd.ExcelWriter(existing_file, engine='openpyxl') writer.book = work_book # 假设我们有一个额外的数据集要加入原表之后 new_data = {'姓名': ['王五'], '年龄':[28]} additional_df = pd.DataFrame(new_data) if 'Sheet1' in work_book.sheetnames: startrow = work_book['Sheet1'].max_row else: startrow = None additional_df.to_excel(writer, index=False, header=False, startrow=startrow, sheet_name='Sheet1') writer.save() writer.close() ``` 上述脚本说明了如果目标是更新而非覆盖原始内容的话，应该如何操作现有电子表格文档[^3]。 --- #### FastAPI 下提供 Excel 模板下载服务端逻辑 除了本地脚本外，在 Web 应用程序开发过程中也可能遇到让用户下载预定义好的 Excel 表单的情况。以下是从零构建这样一个 RESTful 接口的例子： ```python from fastapi import APIRouter, Response from fastapi.responses import StreamingResponse import pandas as pd import io router = APIRouter() @router.get("/download-template/") async def download_template(): """生成并返回一个可供客户端下载的标准 Excel 模版""" template_columns = ["项目编号", "描述"] sample_rows = [{"项目编号": i+1,"描述":f"Item_{i}"}for i in range(5)] temp_dataframe = pd.DataFrame(sample_rows, columns=template_columns) output_stream = io.BytesIO() with pd.ExcelWriter(output_stream, engine="openpyxl") as ewriter: temp_dataframe.to_excel(ewriter, index=False, sheet_name="Template") output_stream.seek(0) return StreamingResponse( iter([output_stream.getvalue()]), media_type="application/vnd.ms-excel", headers={"Content-Disposition":"attachment; filename=sample_template.xlsx"} ) ``` 该函数实现了基于请求触发即时生成特定结构化信息的功能，并允许浏览器自动提示保存位置[^2]。 --- ### 总结 以上分别介绍了三种不同层次上的需求解决方案：基础层面是如何单纯依靠 Pandas 完成基本任务；中级部分探讨了针对特殊业务模式下可能碰到的技术挑战；高级案例则聚焦于实际生产环境中集成第三方框架来增强用户体验的设计思路。