事情是这样的，某天老板突然丢过来一个Excel表格，拍着桌子说：

 

"小李，这个Excel里几千行数据，你给我整理一下，明天早上要用！"

”

我当时差点没把手里的奶茶喷出来，心想：几千行？手动改？我这怕不是得改秃了！

于是，我默默打开了我的Python神器——pandas和openpyxl，不到十分钟，任务搞定，潇洒下班。老板看着整齐的数据，眼里透着光，转头又给我派了个新活儿……

既然自动化办公这么香，那今天就给大家分享20个超实用的Excel操作脚本，让你轻松搞定表格数据处理，成为职场效率王！💡

在学习技能之前确保电脑里已经安装了pandas和openpyxl这2个必备神器！

pip install pandas openpyxl

---

🔢 1. 读取Excel文件

import pandas as pd

# 读取Excel
df = pd.read_excel("data.xlsx")
print(df.head())  # 查看前5行数据

💡 用途：打开Excel文件，读取数据，如果Excel中多个Sheet里都有数据，默认获取第一个Sheet里的数据。

🔢 2. 保存Excel文件

df.to_excel("output.xlsx", index=False)

💡 用途：保存DataFrame格式数据为Excel文件，index=False表示不保存索引。

🔢 3. 读取多个Sheet

df_dict = pd.read_excel("data.xlsx", sheet_name=None)  # 读取所有Sheet
print(df_dict.keys())  # 打印所有Sheet名称 比如 dict_keys(['Sheet1', 'Sheet2'])

# 遍历df_dict打印出所有的数据
for key in df_dict:
    print(df_dict[key]) # 根据key值获取df_dict中存放的dataframe格式数据

💡 用途：一次性读取多个Sheet，返回字典格式，这个字典value对应了一个Dataframe格式的数据。

🔢 4. 选取特定列

selected_columns = df[["姓名", "工资"]]
print(selected_columns.head())

💡 用途：提取某些关键列，方便分析。

🔢 5. 过滤数据

high_salary = df[df["工资"] > 10000]  # 筛选工资大于1万的员工
print(high_salary)

💡 用途：数据筛选，比Excel的筛选功能还强大。

🔢 6. 处理空值

df.fillna("缺失值", inplace=True)  # 用"缺失值"填充空值
df.dropna(inplace=True)  # 删除含空值的行

💡 用途：处理空白单元格，防止数据异常。在 pandas 里，inplace=True 的作用是直接在原数据上进行修改，而不返回新的 DataFrame。

🔢 7. 添加新列

df["奖金"] = df["工资"] * 0.1  # 工资的10%作为奖金

💡 用途：快速计算并添加新列。

🔢 8. 修改列名

df.rename(columns={"姓名": "员工姓名"}, inplace=True)

💡 用途：更改列名，增强可读性。

🔢 9. 按条件修改数据

df.loc[df["工资"] < 5000, "工资"] = 5000  # 最低工资设为5000

💡 用途：把工资列中值小于5000的都改成5000，批量修改数据，比手动改省事多了。

🔢 10. 排序数据

df.sort_values(by="工资", ascending=False, inplace=True)

💡 用途：按工资降序排列。ascending=False 是降序，ascending=True 是升序。

🔢 11. 计算数据统计值

df["工资"].mean()     # 计算平均值
df["工资"].sum()      # 总和
df["工资"].max()      # 最大值
df["工资"].min()      # 最小值
df["工资"].median()   # 中位数
df["工资"].std()      # 标准差（衡量数据波动）
df["工资"].var()      # 方差（数据的离散程度）
df["工资"].count()    # 计数（非空值数量）
df["工资"].describe() # 一次性输出所有统计信息

💡 用途：数据统计，计算平均值、最大值等。

🔢 12. 合并两个表格

df_new = pd.merge(df1, df2, on="员工ID", how="left")

💡 用途：类似Excel的VLOOKUP，这个代码的作用是 基于“员工ID”这个列，把 df2 的数据合并到 df1，并使用 left join 方式来匹配数据。

🔢 13. 透视表

pivot = df.pivot_table(values="工资", index="部门", aggfunc="sum")

💡 用途：数据透视表，返回Dataframe格式，轻松分析数据。

🔢 14. 生成Excel带格式

from openpyxl import Workbook
from openpyxl.styles import Font

wb = Workbook()
ws = wb.active
ws["A1"] = "姓名"
ws["A1"].font = Font(bold=True)  # 加粗
wb.save("styled.xlsx")

💡 用途：添加格式，提升Excel美观度。

🔢 15. 读取Excel某个单元格

from openpyxl import load_workbook

wb = load_workbook("data.xlsx")
ws = wb.active
print(ws["B2"].value)  # 读取B2单元格

💡 用途：单元格精确读取。

🔢 16. 写入Excel单元格

ws["C2"] = "新数据"
wb.save("data.xlsx")

💡 用途：向Excel写入数据。

🔢 17. 删除某列

df.drop(columns=["奖金"], inplace=True)

💡 用途：删除不需要的数据列。

🔢 18. 复制数据

copied_df = df.copy()

💡 用途：避免修改原数据。copied_df = df.copy() 之所以要用 .copy()，是为了创建 df 的一个真正的副本，而不是简单的引用。如果你直接写 copied_df = df，那么 copied_df 其实只是 df 的一个视图，它们指向同一个数据对象，修改 copied_df 也会影响 df，反之亦然。

🔢 19. 批量写入多个Sheet

with pd.ExcelWriter("output.xlsx") as writer:
    df1.to_excel(writer, sheet_name="Sheet1")
    df2.to_excel(writer, sheet_name="Sheet2")

💡 用途：一次性写入多个Sheet。

🔢 20. 生成柱状图

df.plot(kind="bar", x="姓名", y="工资")

💡 用途：数据可视化，这行代码生成的图表默认会直接显示在Jupyter Notebook或交互式环境（如IPython）里，但是如果你在终端或Python脚本中运行，图可能不会自动弹出。

让图表显示：

✅ 方法 1：加上 plt.show()

import matplotlib.pyplot as plt

df.plot(kind="bar", x="姓名", y="工资")  # 生成柱状图
plt.show()  # 显示图表

plt.show() 会弹出一个窗口，把图像展示出来。

✅ 方法 2：保存为图片

如果想把图表保存成图片文件，可以用：

df.plot(kind="bar", x="姓名", y="工资")
plt.savefig("salary_chart.png")  # 保存成PNG文件

这样你就可以在文件夹里找到 salary_chart.png 了！

---

🎉总结

学会这些Excel自动化脚本，能让你从手工整理Excel的苦力活中解放出来，早下班不是梦！希望大家都能成为Python自动化办公的高手，遇到Excel问题，不要慌，Python安排上！

---

如果你对Python感兴趣的话，可以试试我整理的这份Python全套学习资料，微信扫描下方二维码免费领取

包括：Python永久使用安装包、Python web开发，Python，Python数据分析，人工智能、机器学习等学习教程。带你从零基础系统性的学好Python！

零基础Python学习资源介绍

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python学习软件

工欲善其事，必先利其器。学习Python常用的开发软件都在这里了！

三、Python入门学习视频

还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~

四、Python练习题

每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！

五、Python实战案例

光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。这份资料也包含在内的哈~

六、Python面试资料

我们学会了Python之后，有了技能就可以出去找工作啦！下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

七、资料领取

上述完整版Python全套学习资料已经上传CSDN官方，需要的小伙伴可自行微信扫描下方CSDN官方认证二维码输入“领取资料”免费领取！！