Python Excel分析：openpyxl与pandas实战教程

openpyxl与pandas分工协作：pandas负责数据清洗计算，openpyxl负责格式化呈现；pandas读写会丢失样式，需用openpyxl操作模板、填入结果并设置格式、条件高亮等。

用 Python 做 Excel 数据统计分析，openpyxl 负责精细格式控制和已有文件操作，pandas 负责高效清洗与计算——二者不是替代关系，而是分工协作。关键在于：先用 pandas 处理逻辑，再用 openpyxl 落地呈现。

一、为什么不能只用 pandas 读写 Excel？

pandas 的 read_excel() 和 to_excel() 底层依赖 openpyxl（或 xlsxwriter）引擎，但它们会丢弃原工作表的样式、合并单元格、图表、批注等非数据信息。如果你要保留模板格式、自动适配列宽、加边框或高亮异常值，就必须切换到 openpyxl 手动操作。

• ✅ pandas：适合读取原始数据 → 清洗 → 汇总 → 生成新表格
• ✅ openpyxl：适合打开已有报表模板 → 填入 pandas 计算结果 → 设置字体/颜色/边框 → 保存为“可交付版”
• ❌ 单用 pandas.to_excel()：生成的是“干净但无格式”的表格，常被业务方退回重做

二、典型协作流程：销售报表自动化

假设你有一份《月度销售汇总.xlsx》模板，含固定标题、公司 logo 单元格、预设边框和“数据区”占位符（如 A10 开始）。真实数据来自数据库或 CSV，需填入并高亮超目标门店。

操作分三步：

• 1. 用 pandas 加载并计算：读原始数据，按区域聚合销售额、计算完成率、标记达标状态
• 2. 用 openpyxl 打开模板：定位“数据区”起始单元格（如 ws['A10']），逐行写入 pandas 的结果（注意：openpyxl 不支持直接写 DataFrame，需转成列表或循环赋值）
• 3. 格式增强：对完成率列设置条件格式（如 >100% 填绿色）、自动调整列宽、冻结首行、保存为新文件

三、关键代码片段（不粘贴完整脚本，只讲核心）

▶ 写入数据（避免逐单元格 for 循环太慢）
用 ws.append() 批量追加一行行数据，比 ws.cell(row=..., column=...).value = ... 快得多：

▶ 高亮达标行（openpyxl 条件格式示例）
不是靠 if 判断每行，而是用内置条件格式规则：

四、避坑提醒

• openpyxl 默认从 1 开始计数（row=1, column=1），pandas 的 .iloc[] 从 0 开始——写入前注意索引偏移
• 写入数字时，openpyxl 可能自动识别为字符串（尤其带逗号或百分号），建议显式转类型：float(val) 或 int(val)
• 如果模板含公式（如 =SUM(B10:B20)），openpyxl 不会重算——要么用 workbook.data_only = True 读取已计算值，要么写入后用 Excel 手动刷新
• 中文路径/文件名务必用 UTF-8 编码打开，否则报错 UnicodeDecodeError