用Python读取Excel文件指南

原作者：Erik Marsja

编译者：老齐

本文，将重点阐述用Python如何读取Excel文件（xlsx），重点是演示使用openpyxl模块读取xlsx类型的文件。首先，我们要看一些简单的示例；然后，我们将学习读取多个Excel文件。

如果你阅读过《数据准备和特征工程》（电子工业出版社出版）这本书，就肯定知道，在书中，作者介绍了如何使用Pandas读取Excel文件。在阐述本文的同时，你所看到的书中的方法，依然有效且常用。本文的目的主要是要介绍另外一种方法，并且这种方法也有它的特点。

Openpyxl简介

openpyxl模块的官方网站是：https://openpyxl.readthedocs.io/en/stable/。这里，先演示一个简单的示例，看看在Python语言中如何用openpyxl模块读取一个xlsx文件。

import openpyxl
from pathlib import Path

xlsx_file = Path('SimData', 'play_data.xlsx')
wb_obj = openpyxl.load_workbook(xlsx_file) 

# 得到当前工作表:
sheet = wb_obj.active

当然，在理解上面代码之前，你应该已经知道如何读写文件了，如果这方面尚有不足，请阅读《跟老齐学Python：轻松入门》中的有关章节。

为了能够使用openpyxl模块，请先确认，在本地已经安装了Python3和这个模块。模块的安装方法非常简单，即：pip install openpyxl，如果你使用的是conda，还可以：conda install openpyxl。注意，使用pip安装的时候，如果提示你不是最新版本，应该尽快升级，用最新版本的pip来安装。

读取单个文件

前面的代码中，已经读取了单个文件，下面我们更详细地对代码进行解读。

1. 引入模块

读取xlsx文件的第一步，就是要引入必要的模块，这里我们引入了Path和openpyxl两个模块。

import openpyxl
from pathlib import Path

1. 设置Excel文件路径

在这一步，我们用Path创建了一个实例，并且用变量xlsx_file引用，它包含了文件的路径和文件名称。

# Setting the path to the xlsx file:
xlsx_file = Path('SimData', 'play_data.xlsx')

注意，代码中的SimData是当前工作目录的子目录，本例中的Excel文件保存在该目录中，如果保存在了其他目录中，需要设置完整的文件路径，例如：xlsx_file = Path(Path.home(), 'Documents', 'SimData', 'play_data.xlsx')，这是将Excel文件保存到了Documents目录里面的SimData子目录中了。

1. 读入Excel文件（工作簿）

第三步，利用load_workbook()方法读取文件：

wb_obj = openpyxl.load_workbook(xlsx_file)

打印输出结果说明，当前得到的是工作簿对象。

1. 从Excel文件中读入当前工作表

一个工作簿，有多个工作表。我们能够使用的是当前的工作表，可以用下面的方式获得：

wsheet = wb_obj.active

如果知道了工作表名称，可以用这种方式得到指定工作表play_data = wb_obj['play_data']。这样就能够实现工作表的切换。

1. 操作工作表

现在可以编辑工作表了，例如，用下面的方式获得指定单元格的值。

print(sheet["C2"].value)

再如，对于已经读取到的工作表，我们能够用循环语句获得指定行，并且把各个单元格中的值打印出来。

for row in sheet.iter_rows(max_row=6):
    for cell in row:
        print(cell.value, end=" ")
    print()

注意，上面代码中的参数max_row，其值为6，意味着读取这个工作表的前6行。

1. 补充：输出行和列的数量

再补充一个常用操作，就是确定Excel文件的行和列的数量。

print(sheet.max_row, sheet.max_column)

将读入的Excel文件保存为Python字典

把Excel文件的内容读入之后，怎么将它保存为字典对象？

有时候，你可能需要得到列的名称，下面代码就演示了如何实现这种需求。

import openpyxl
from pathlib import Path

xlsx_file = Path('SimData', 'play_data.xlsx')
wb_obj = openpyxl.load_workbook(xlsx_file)
sheet = wb_obj.active

col_names = []
for column in sheet.iter_cols(1, sheet.max_column):
    col_names.append(column[0].value)
   
print(col_names)

为了将Excel内容保存为字典对象，当然要创建一个字典，然后就是通过循环的方式，向字典中增加相应内容。

data = {}

for i, row in enumerate(sheet.iter_rows(values_only=True)):
    if i == 0:
        data[row[1]] = []
        data[row[2]] = []
        data[row[3]] = []
        data[row[4]] = []
        data[row[5]] = []
        data[row[6]] = []

    else:
        data['Subject ID'].append(row[1])
        data['First Name'].append(row[2])
        data['Day'].append(row[3])
        data['Age'].append(row[4])
        data['RT'].append(row[5])
        data['Gender'].append(row[6])

在上面的代码中，创建了一个字典data，然后循环每一行（iter_rows），并且仅仅获取该行的值。接下来使用条件语句，判断一下，如果是第一行，就增加字典的键，这其实是以键为列的名称。否则，将根据键（加Excel中的每一列）向字典中增加值。

读取多个Excel文件

下面，我们要用openpyxl模块读取多个xlsx文件。

1. 导入模块

除了前面使用过的两个模块之外，增加了一个glob。

import glob
import openpyxl
from pathlib import Path

1. 读取目录中的所有xlsx文件

假设在子目录中有多个xlsx文件，现在我们使用glob模块，将它们都读入：

xlsx_files = [path for path in Path('XLSX_FILES').rglob('*.xlsx')]

1. 创建工作簿对象

现在已经读入了所有xlsx文件，接下来还是使用load_workbook方法创建工作簿对象，不过，这次要使用列表解析的方式循环了。

wbs = [openpyxl.load_workbook(wb) for wb in xlsx_files]

这个列表中包含了所有xlsx文件的工作簿对象。

1. 操纵每个文件

所有的工作簿对象都保存到了wbs引用的列表中，比如要得到第一个工作簿，可以用wbs[0]，它的默认工作表名称，可以用wbs[0].sheetnames得到。其他操作跟前面就没有什么差别了。这样我们就能读入多个Excel文件了。

参考链接：https://www.marsja.se/your-guide-to-reading-excel-xlsx-files-in-python/