A. 如何用python把excel中的數據插入word模板指定位置
下載安裝一下運行Excel和Word的第三方庫
我用的分別是openpyxl，python-docx
具體位置的話你需要告訴我要在哪裡
比方說第幾行
B. python對excel操作
Python對於Excel的操作是多種多樣的，掌握了相關用法就可以隨心所欲的操作數據了！
操作xls文件
xlrd（讀操作）：
import xlrd
1、引入xlrd模塊
workbook=xlrd.open_workbook("36.xls")
2、打開[36.xls]文件，獲取excel文件的workbook（工作簿）對象
names=workbook.sheet_names()
3、獲取所有sheet的名字
worksheet=workbook.sheet_by_index(0)
4、通過sheet索引獲得sheet對象
worksheet為excel表第一個sheet表的實例化對象
worksheet=workbook.sheet_by_name("各省市")
5、通過sheet名獲得sheet對象
worksheet為excel表sheet名為【各省市】的實例化對象
nrows=worksheet.nrows
6、獲取該表的總行數
ncols=worksheet.ncols
7、獲取該表的總列數
row_data=worksheet.row_values(n)
8、獲取該表第n行的內容
col_data=worksheet.col_values(n)
9、獲取該表第n列的內容
cell_value=worksheet.cell_value(i,j)
10、獲取該表第i行第j列的單元格內容
xlwt（寫操作）：
import xlwt
1、引入xlwt模塊
book=xlwt.Workbook(encoding="utf-8")
2、創建一個Workbook對象，相當於創建了一個Excel文件
sheet = book.add_sheet('test')
3、創建一個sheet對象，一個sheet對象對應Excel文件中的一張表格。
sheet.write(i, j, '各省市')
4、向sheet表的第i行第j列，寫入'各省市'
book.save('Data\\36.xls')
5、保存為Data目錄下【36.xls】文件
操作xlsx文件
openpyxl（讀操作）：
import openpyxl
1、引入openpyxl模塊
workbook=openpyxl.load_workbook("36.xlsx")
2、打開[36.xlsx]文件，獲取excel文件的workbook（工作簿）對象
names=workbook.sheetnames
worksheet=workbook.worksheets[0]
worksheet=workbook["各省市"]
ws = workbook.active
6、獲取當前活躍的worksheet,默認就是第一個worksheet
nrows=worksheet.max_row
7、獲取該表的總行數
ncols=worksheet.max_column
8、獲取該表的總列數
content_A1= worksheet['A1'].value
9、獲取該表A1單元格的內容
content_A1=worksheet.cell(row=1,column=1).value
10、獲取該表第1列第1列的內容
openpyxl（寫操作）：
workbook=openpyxl.Workbook()worksheet = workbook.active
3、獲取當前活躍的worksheet,默認就是第一個worksheet
worksheet.title="test"
4、worksheet的名稱設置為"test"
worksheet = workbook.create_sheet()
5、創建一個新的sheet表，默認插在工作簿末尾
worksheet.cell(i,j,'空')
6、第i行第j列的值改成'空'
worksheet["B2"]="空"
7、將B2的值改成'空'
worksheet.insert_cols(1)
8、在第一列之前插入一列
worksheet.append(["新增","台灣省"])
9、添加行
workbook.save("Data\\36.xlsx")
10、保存為Data目錄下【36.xlsx】文件
pandas處理excel文件
pandas操作：
import pandas as pd
1、引入pandas模塊
data = pd.read_excel('36.xls')
2、讀取[36.xls]或者[36.xlsx]文件
data = pd.read_csv('36.csv')
3、讀取[36.csv]文件
data=data.dropna(subset=['店鋪'])
4、過濾掉data店鋪列有缺失的數據
data.sort_values("客戶網名", inplace=True)
5、將data數據按照客戶網名列進行從小到大排序
data = pd.read_csv(36.csv, skiprows = [0,1,2],sep = None, skipfooter = 4)
6、讀取[36.csv]文件，前三行和後四行的數據略過
data = data.fillna('空')
7、將data中的空白處填充成'空'
data.drop_plicates('訂單','first',inplace=True)
8、data中的數據，按照【訂單】列做去重處理，保留第一條數據
data=pd.DataFrame(data,columns=['訂單','倉庫'])
9、只保留data中【訂單】【倉庫】列的數據
data = data[(data[u'展現量'] > 0)]
10、只保留【展現量】列中大於0的數據
data= data[data["訂單"].str.contains('000')]
11、只保留【訂單】列中包含'000'的數據
data= data[data["倉庫"]=='正品倉']
12、只保留【倉庫】列是'正品倉'的數據
xs= data[data["店鋪"]=='南極人']['銷售額']
13、獲取店鋪是南極人的銷售額數據
data['訂單'] = data['訂單'].str[3:7]
14、【訂單】列的值只保留4-8個位元組的值
data["郵資"] = np.where((data['店鋪'].str.contains('T|t')) & -(data['倉庫'] == '代發倉'), 8, data['郵資'])
15、滿足店鋪列包含 T 或 t 並且倉庫不等於'代發倉'的話，將郵資的值改成8，否則值不變
data = np.array(data).tolist()
16、將data從DataFrame轉換成列表
data=pd.DataFrame(data)
17、將列表轉換成DataFrame格式
zhan = data[u'展現'].sum().round(2)
18、將data中所有展現列數據求和，並取兩位小數
sum=data.groupby(['店鋪'])['刷單'].sum()
19、將data中按照店鋪對刷單進行求和
counts=data['店鋪'].value_counts()
20、將data按照店鋪進行計算
avg=data.groupby(['店鋪'])['刷單'].mean()
21、將data按照店鋪對刷單進行求平均數
count = pd.concat([counts,sum], axis=1, ignore_index=True, sort=True)
22、將counts和sum兩個DataFrame進行了組合
count=count.rename(index=str, columns={0: "訂單", 1: "成本"})
23、將新生成的DataFrame列名進行修改
data = pd.merge(sum, counts, how='left', left_on='店鋪', right_on='店鋪')
24、將列表轉換成DataFrame格式
from openpyxl import Workbook
wb=Workbook()
ws1=wb.active
data.to_excel('36.xlsx')
wb.close()
25、data完整的寫入到關閉過程，執行此操作的時候【36.xlsx】不能是打開狀態
excel格式操作
樣式處理：
1、打開【36.xlsx】
sheet=workbook.worksheets[0]
2、將第一個sheet對象賦值給sheet
sheet.column_dimensions['A'].width = 20.0
3、將A列的寬度設置為20
sheet.row_dismensions[1].height = 20.0
4、將第一行的行高設置為20
sheet.merge_cells('A1:A2')
5、將sheet表A1和A2單元格合並
sheet.unmerge_cells('A1:A2')
6、將sheet表A1和A2單元格取消合並
sheet.insert_rows(2,2)
7、將sheet表從第2行插入2行
sheet.insert_cols(3,2)
8、將sheet表從第3列插入2列
sheet.delete_rows(2)
9、刪除第2行
sheet.delete_cols(3, 2)
10、將sheet表從第3列開始刪除2列
from openpyxl.styles import Font, Border, PatternFill, colors, Alignment
11、分別引入字體、邊框、圖案填充、顏色、對齊方式
sheet.cell(i,j).font = Font(name='Times New Roman', size=14, bold=True, color=colors.WHITE)
12、設置sheet表第 i 行第 j 列的字體
sheet.cell(i,j).alignment = Alignment(horizontal='center', vertical='center')
13、設置sheet表第 i 行第 j 列的字體對齊方式
left, right, top, bottom = [Side(style='thin', color='000000')] * 4sheet.cell(i,j).border = Border(left=left, right=right, top=top, bottom=bottom)
14、引入邊框樣式並調用
fill = PatternFill("solid", fgColor="1874CD")sheet.cell(1,j).fill = fill
15、引入填充樣式，並調用
import xlrd
from openpyxl import Workbook
from openpyxl import load_workbook
workbook=load_workbook(filename='C:/Users/EDZ/Desktop/工作/2021.08.03/大兄弟.xlsx')
sheet=workbook.active
sheet.insert_cols(idx=1)
sheet.merge_cells(A1:A3)
sheet['A1']=['上海','山東','浙江']
C. 如何用python讀取excel文件
1.首先說明我是使用的python3.5，我的office版本是2010，首先打開dos命令窗，安裝必須的兩個庫，命令是：
pip3 install xlrd
Pip3 install xlwt
2.准備好excel，例如我的一個工作文件，我放在D盤/網路經驗/11.xlsx，只有一個頁簽A，內容是一些銷售數據
3.打開pycharm，新建一個excel.py的文件，首先導入支持庫
import xlrdimport xlwt
4.針對剛入門的新手，先介紹三個知識，第一個:獲取excel的sheet名稱，第二：獲取excel行數與列數，第三：獲取第幾行第幾列的具體值，這是最常用的三個知識點
5.貼出代碼，具體分析：
(1)要操作excel，首先得打開excel，使用open_workbook(‘路徑’)
(2)要獲取行與列，使用nrows(行)，ncols(列)
(3)獲取具體的值，使用cell(row,col).value
workbook=xlrd.open_workbook(r'E:11.xlsx')print (workbook.sheet_names()) sheet2=workbook.sheet_by_name('A') nrows=sheet2.nrows ncols=sheet2.ncols print(nrows,ncols) cell_A=sheet2.cell(1,1).value print(cell_A)
6.要在excel里寫入值，就要使用write屬性,重點說明寫入是用到xlwt這個支援庫，思路是先新建excel，然後新建頁簽B，然後將一組數據寫入到B，最後保存為excel.xls，這里建議保存為2003的格式，大部分電腦都能打開，特別注意保存的excel的路徑是在python工作文件的目錄下面，貼出代碼：
stus = [['年', '月'], ['2018', '10'], ['2017', '9'], ['2016', '8']]Excel = xlwt.Workbook() # 新建excelsheet = Excel.add_sheet('B') #新建頁簽Brow = 0for stu in stus: col = 0 for s in stu: sheet.write(row, col, s) #開始寫入 col = col + 1 row = row + 1Excel.save('Excel.xls') #保存
關於如何用python讀取excel文件，環球青藤小編就和大家分享到這里了，學習是永無止境的，學習一項技能更是受益終身，所以，只要肯努力學，什麼時候開始都不晚。如果您還想繼續了解關於python編程的學習方法及素材等內容，可以點擊本站其他文章學習。
D. python有哪些好用的操作excel的模塊
xlrd，xlwt和xlutils是用Python處理Excel文檔的庫。
其中，xlrd只能讀取xls，xlwt只能新建寫xls（不可以修改），xlutils在xlrd和xlwt之間建立一個通道，可以實現xls的修改。，純手打，望採納答案哦，謝謝
E. python處理excel完整版
**1.2.1 新建保存工作簿(覆蓋創建）
獲取當前活動工作表的：
以索引值方式獲取工作表：
以工作表名獲取： wb['工作表名']，注意，此表達方式為切片顯示，所以沒有成員提示。很少用
循環工作表：很好用，一般用sheetnames
獲取所有工作表名：wb.sheetnames
獲取指定工作表名
修改工作表名稱
新建工作表時的默認工作表名：
workbook.remove(工作表)
A1 表示法： 工作表['A1'] ，R1C1 表示法：工作表.cell(行號,列號)
2.工作表['起始行號': '結束行號']或者工作表['起始行號: 結束行號']，此方法是按行讀取的數據。
3.工作表['起始列號': '結束列號']或者工作表['起始列號: 結束列號']，
此方法是按列讀取的數據。
4.獲取（按行）指定工作表所有已用數據：
list(workbook.worksheets[索引值].values)
按行求和（方法 1）
按行求和（方法 ）
按列統計平均值
按行獲取工作表使用區域數據：worksheet.rows
按列獲取工作表使用區域數據：worksheet.columns
獲取工作表中最小行號：worksheet.min_row
獲取工作表中最小列號：worksheet.min_column
獲取工作表中最大行號：worksheet.max_row
獲取工作表中最大列號：worksheet.max_column
獲取單元格的行號：cell.row
獲取單元格的列號：cell.column iter
方法獲取指定區域：
1.按行獲取指定工作表單元格區域：worksheet.iter_rows(……)
2.按列獲取指定工作表單元格區域：worksheet.iter_cols(……)
可以通過 min_row、min_col、max_col、max_row 這幾個參數進行單元格區域的控制
A1 表示法：工作表['A1']=值，R1C1 表示法：工作表.cell(行號,列號,值)
在最後一行寫入數據：工作表.append(列表)
1.10.2 實例應用（九九乘法表）
最後加一列寫優秀
F. python有哪些好用的操作excel的模塊
目前來說都不怎麼好用。
xlrd excel讀取
xlwt excel寫入
讀取推薦使用pandas
G. python讀取excel某一單元格內容然後顯示在網頁上
我是否可以這樣認為：
1、python讀取excel是後台程序，即伺服器代碼；
2、顯示到網頁，即前端代碼；
這就分靜態渲染和動態交互的問題了。就是把excel內容讀出來直接替換到html上顯示，還是伺服器提取數據，傳遞給前端，前端來渲染，實現數據交互。這樣excel優點類似資料庫。
最簡單的方式就是採用模板，使用後台框架如django，把excel數據直接填充到html上，發到前端。
H. Python中操作Excel最好用的模塊是
Python中的模塊也稱為庫，在Python中操作Excel的模塊有很多。
優缺點如下：
**1、Pandas模塊**
Pandas是Python的一一個開源數據分析模塊，可用於數據挖掘和數據分析，同時也提供數據清洗功能，可以說它是日前Python數據分析的必備工具之一。Pandas能夠處理類似電子表格的數據，用於數據快速載入、操作、對齊、合並、數據預處理等。
Pandas通過對Excel文件的讀寫實現數據輸入、輸出，Pandas支持.xls和.xlsx格式文件的讀寫，支持只載入每個表的單一工作頁。
import pandas as pd
df=pd.read_excel(r'E:ban.xlsx') #pandas 導入庫獲取excel表的數據內容
df`
**2、xlwings模塊**
xlwings模塊可以實現Python中調用Excel，也可以從Excel調用Python，這個模塊支持支持.xls和.xlsx格式文件的讀寫，支持對這類文件的操作，還支持使用VBA，具有強大的轉換功能，並且可以處理大部分數據類型。
**3、Xlrd模塊**
xlrd模塊可以讀取Excel文件，其對Excel文件的讀取可以實現比較精細的控制。雖然現在使用Pandas模塊讀取和保存Excel文件往往更加方便快捷，但在某些場景下，依然需要xlrd這種更底層的模塊來實現對Excel文件讀取的控制。
xlrd模塊支持.xls、.xlsx格式文件的讀取，但不支持寫信息。
**4、xlwt模塊**
前面xlrd模塊可以讀取Excel文件，但不能寫。而xlwt模塊可以寫、可以修改Excel文件，但不能讀，且只支持.xls格式文件的寫操作。
**5、xlutils模塊**
xlutils也是一個處理Excel文件的模塊，但它不能對Excel文件進行讀和寫的操作，但依賴於xlrd模塊和xlwt模塊。xlutils模塊支持.xls格式文件，不支持.xlsx格式文件。
**6、openpyxl模塊**
openpyxl模塊可以對.xlsx格式的Excel文件進行讀寫操作，特點是讀取快、寫入慢，且不能操作.xls格式文件。
**7、xlsxwriter模塊**
xlsxwriter模塊支持多種Excel功能，可以寫.xlsx格式的Excel文件，而且速度快、佔用內存空間小，但不支持讀或者修改現有的Excel文件。
**8、win32com模塊**
win32com模塊支持.xls、.xlsx格式的Excel文件的讀、寫和修改，讀寫速度快。但win32com模塊存在於pywin32的模塊中，自身沒有完善的文檔，使用起來不太方便。
**9、分析總結**
Pandas模塊把Excel當作數據讀寫的容器，為其強大的數據分析服務，因此讀寫性能的表現中規中矩。xlwings和win32com這兩個模塊都擁有很好的讀寫性能，強大的轉換器可以處理大部分數據類型，同時，可以在程序運行時，在打開的Excel文件中進行實時操作，實現過程的可視化。另外，xlwings模塊的數據結構轉換器使其可以快速地為Excel文件添加二維數據結構，而不需要在Excel文件中重定位數據的行和列，因此筆者認為，從讀寫的便捷性來看，xlwings模塊比較好用一些。
I. 像Excel一樣使用Python（一）
在進行數據處理時，如果數據簡單，數量不多，excel是大家的首選。但是當數據眾多，類型復雜，需要靈活地顯示切片、進行索引、以及排序時，python會更加方便。藉助python中的numpy和pandas庫，它能快速完成各種任務，包括數據的創建、檢查、清洗、預處理、提取、篩選、匯總、統計等。接下來幾篇文章，將以excel為參照，介紹python中數據的處理。
提到pandas，那就不得不提兩類重要的數據結構，Series和DataFrame，這兩類數據結構都是建立在numpy的數組array基礎上。與array相比，Series是一個一維的數據集，但是每個數據元素都帶有一個索引，有點類似於字典。而DataFrame在數組的基礎上，增加了行索引和列索引，類似於Series的字典，或者說是一個列表集。
所以在數據處理前，要安裝好numpy , pandas。接下來就看看如何完成一套完整的數據操作。
創建數據表的方法分兩種，分別是從外部導入數據，以及直接寫入數據。
在python中，也可外部導入xlsx格式文件，使用read_excel()函數：
import pandas as pd
from pandas import DataFrame,Series
data=DataFrame(pd.read_excel('c:/python27/test.xlsx'))
print data
輸出：
Gene Size Function
0 arx1 411 NaN
1 arx2 550 monooxygenase
2 arx3 405 aminotransferase
……
即：調用pandas中read_excel屬性，來讀取文件test.xlsx，並轉換成DataFrame格式，賦給變數data。在每一行後，自動分了一個索引值。除了excel，還支持以下格式文件的導入和寫入：
Python寫入的方法有很多，但還是不如excel方便。常用的例如使用相等長度的字典或numpy數組來創建：
data1 = DataFrame(
{'Gene':['arx1','arx2','arx3'],
'Size':[411,550,405],
'Func':[np.NaN,'monooxygenase','aminotransferase ']})
print data1
輸出
Func Gene Size
0 NaN arx1 411
1 monooxyg arx2 550
2 amino arx3 405
分配一個行索引後，自動排序並輸出。
在python中，可以使用info()函數查看整個數據的詳細信息。
print data.info()
輸出
RangeIndex: 7 entries, 0 to 6
Data columns (total 3 columns):
Gene 7 non-null object
Size 7 non-null int64
Function 5 non-null object
dtypes: int64(1), object(2)
memory usage: 240.0+ bytes
None
此外，還可以通過shape, column, index, values, dtypes等函數來查看數據維度、行列組成、所有的值、 數據類型：
print data1.shape
print data1.index
print data1.columns
print data1.dtypes
輸出
(3, 3)
RangeIndex(start=0, stop=3, step=1)
Index([u'Func', u'Gene', u'Size'], dtype='object')
Func object
Gene object
Size int64
dtype: object
在excel中可以按「F5」，在「定位條件」中選擇「空值」，選中後，輸入替換信息，再按「Ctrl+Enter」即可完成替換。
在python中，使用函數 isnull 和 notnull 來檢測數據丟失, 包含空值返回True，不包含則返回False。
pd.isnull(data1)
pd.notnull(data1)
也可以使用函數的實例方法，以及加入參數，對某一列進行檢查：
print data1['Func'].isnull()
輸出
Func Gene Size
0 True False False
1 False False False
2 False False False
再使用fillna對空值進行填充：
data.fillna(value=0)
#用0來填充空值
data['Size'].fillna(data1['Size'].mean())
#用data1中Size列的平均值來填充空值
data['Func']=data['Func'].map(str.strip)
#清理Func列中存在的空格
Excel中可以按「Ctrl+F」，可調出替換對話框，替換相應數據。
Python中，使用replace函數替換：
data['Func'].replace('monooxygenase', 'oxidase')
將Func列中的'monooxygenase'替換成'oxidase'。
Excel中，通過「數據-篩選-高級」可以選擇性地看某一列的唯一值。
Python中，使用unique函數查看：
print data['Func'].unique()
輸出
[nan u'monooxygenase' u'aminotransferase' u'methyltransferase']
Excel中，通過UPPER、LOWER、PROPER等函數來變成大寫、小寫、首字母大寫。
Python中也有同名函數：
data1['Gene'].str.lower()
Excel中可以通過「數據-刪除重復項」來去除重復值。
Python中，可以通過drop_plicates函數刪除重復值：
print data['Func'].drop_plicates()
輸出
0 NaN
1 monooxygenase
2 aminotransferase
3 methyltransferase
Name: Func, dtype: object
還可以設置「 keep=』last』 」參數，後出現的被保留，先出現的被刪除：
print data['Func'].drop_plicates(keep='last')
輸出
2 aminotransferase
3 methyltransferase
6 monooxygenase
8 NaN
Name: Func, dtype: object
內容參考：
Python For Data Analysis
藍鯨網站分析博客，作者藍鯨（王彥平）