在Python中读写XLSX文件的高效实现方案

基础环境配置与读写演示

第1步：安装必要的Python依赖包

在终端或命令行中执行以下指令完成库的安装。若使用pandas导出Excel，需同时安装其驱动引擎。

pip install openpyxl
pip install pandas openpyxl

第2步：利用 openpyxl 进行基础操作

该库通过Workbook对象直接映射Excel文件结构。写入时支持按单元格坐标赋值，读取时推荐迭代器模式遍历行数据。

from openpyxl import Workbook
wb = Workbook()
ws = wb.active
ws['A1'] = "姓名"
ws['B1'] = "年龄"
ws['A2'] = "张三"
ws['B2'] = 25
wb.save("example.xlsx")

from openpyxl import load_workbook
wb = load_workbook("example.xlsx")
ws = wb.active
for row in ws.iter_rows(values_only=True):
    print(row)

第3步：利用 pandas 进行基础操作

Pandas内置了强大的数据结构，一行代码即可完成整表导出或读取。

import pandas as pd
# 写入文件
data = {'姓名': ['张三', '李四'], '年龄': [25, 30]}
df = pd.DataFrame(data)
df.to_excel("example.xlsx", index=False)

# 读取文件
df = pd.read_excel("example.xlsx")
print(df)

生产环境高级应用

第4步：处理海量XLSX文件

当文件体积超过几百兆时，全量加载会导致内存溢出。针对此场景可采用策略性优化：

• Openpyxl 只读模式：加载时开启read_only=True，配合逐行打印避免驻留过多对象至内存。
• Pandas 分块读取：设置chunksize参数限制每次加载行数，适合流式处理日志类表格。

# Openpyxl 优化写法
wb = load_workbook("large_file.xlsx", read_only=True)
for row in wb.active.iter_rows(values_only=True):
    print(row)

# Pandas 优化写法
chunk_size = 1000
for chunk in pd.read_excel("large_file.xlsx", chunksize=chunk_size):
    print(chunk)

第5步：精细化格式控制与多表管理

实际报表往往要求表头加粗居中对齐，或包含多个独立Sheet。可通过样式模块与索引命名精准控制：

from openpyxl.styles import Font, Alignment
wb = Workbook()
ws = wb.active
ws['A1'].font = Font(bold=True)
ws['A1'].alignment = Alignment(horizontal="center")
wb.save("formatted.xlsx")

# 多工作表读写示例
wb = Workbook()
ws1 = wb.create_sheet("Sheet1")
ws2 = wb.create_sheet("Sheet2")
ws1['A1'] = "Sheet1数据"
ws2['A1'] = "Sheet2数据"
wb.save("multi_sheet.xlsx")

# 读取指定工作表
wb = load_workbook("multi_sheet.xlsx")
target_ws = wb["Sheet2"]
print(target_ws['A1'].value)

总结

以上就是Python读写XLSX文件的高效实现方案的详细内容，更多关于数据交互与办公自动化的资料请关注本站其它相关文章！