2 Python与Excel基础之Excel文件格式介绍

在上篇中，我们简要介绍了Python及其在数据处理中的重要性。接下来，我们将聚焦于Excel文件格式，这为后续的Excel自动化处理打下基础。熟悉不同的Excel文件格式，将帮助我们理解如何使用Python与这些文件进行交互。

1. Excel文件格式概述

Excel是一种广泛使用的电子表格软件，由Microsoft公司开发。Excel文件可以存储在多种格式中，最常见的格式包括：

• XLS：这是Excel 97-2003的文件格式，基于二进制文件。
• XLSX：这是Excel 2007及更高版本的默认文件格式，基于XML标准。
• CSV：逗号分隔值文件，简单的文本文件格式，用于存储表格数据。
• XLSM：与XLSX格式相似，但支持宏（VBA代码）。

在学习如何通过Python对Excel文件进行操作之前，理解这些格式的特点非常重要。

2. XLS与XLSX格式

XLS格式

• 扩展名：.xls
• 特点：基于二进制文件，支持较旧版本的Excel。虽然可以用Python读取，但由于其结构复杂，通常不建议使用此格式。
• 读取/写入库：可以使用xlrd读取，使用xlwt写入。

XLSX格式

• 扩展名：.xlsx
• 特点：基于XML，更为现代，能存储大量数据，且支持更多的数据类型和功能（如图表、公式等）。Python中对该格式的支持较好。
• 读取/写入库：openpyxl（读取和写入）、pandas（更高级的数据处理）。

案例：读取XLSX文件

让我们来看一个简单的代码示例，使用openpyxl库来读取一个XLSX文件：

首先，确保如下所示的XLSX文件存在：

示例文件：data.xlsx

| Name  | Age |
|-------|-----|
| Tom   | 30  |
| Jerry | 25  |

接着我们用以下代码读取这个文件：

import openpyxl

# 打开工作簿
workbook = openpyxl.load_workbook('data.xlsx')

# 选择活动工作表
sheet = workbook.active

# 读取数据
for row in sheet.iter_rows(values_only=True):
    print(row)

运行后，将得到输出：

('Name', 'Age')
('Tom', 30)
('Jerry', 25)

3. CSV格式

CSV格式

• 扩展名：.csv
• 特点：简单的文本格式，数据用逗号分隔。不支持复杂的Excel功能，但易于创建和处理。广泛用于数据交换。
• 读取/写入库：pandas（推荐）、csv标准库。

案例：读取CSV文件

假设我们的CSV文件内容如下：

示例文件：data.csv

Name,Age
Tom,30
Jerry,25

我们可以使用pandas来读取它：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('data.csv')

# 输出数据
print(df)

运行后的输出结果为：

    Name  Age
0    Tom   30
1  Jerry   25

4. XLSM格式

XLSM格式

• 扩展名：.xlsm
• 特点：与XLSX相似，但支持宏。只在需要宏功能时使用，通常不通过Python直接操作，因为安全性和复杂性都较高。

5. 文件格式选择的考虑

选择文件格式时，考虑以下因素：

• 数据复杂性：如果数据需要包含公式或复杂的图表，则XLSX或XLSM更合适。
• 可读性和可交换性：如果需要与他人分享数据，或需要使用简单的文本处理，CSV是一个不错的选择。
• 兼容性需求：若与旧版本Excel共享，可能需要使用XLS格式。

总结

本章中，我们介绍了Excel的不同文件格式及其特点。通过理解这些文件格式，我们能够更好地选择合适的库和方法来处理Excel文件。在下一篇中，我们将探讨如何在Python中安装和配置与Excel相关的库，这将使我们能够更有效地实现Excel自动化。同时，掌握这些基础知识可以为后续的具体案例打下良好的基础。