Python for Excel (Chinese Edition), 2nd Edition

第 14 章. 使用 pandas 操作Excel 文件

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

到目前为止，我们一直是以交互方式处理 Python 和 Excel 的。 我们运行 Python 脚本来自动化 Excel 操作，并将 Excel 工作簿作为用户界面来调用 Python 函数——无论是通过 xlwings 还是 Python in Excel。在第六部分中，我们将跳过 Excel 应用程序：我们将直接处理 Excel 文件，而无需在 Excel 中打开它们。在本章中，您将学习如何使用 pandas 读写 Excel 工作簿。 我们将首先回顾第 8 章中的报表案例研究。随后，我将更深入地介绍 pandas 用于处理 Excel 文件的工具：用于读取的read_excel函数和ExcelFile类，以及用于写入 Excel 文件的to_excel方法和ExcelWriter类。由于我们处理的是文件而非 Excel 应用程序，本章中的所有代码示例在 Python 运行的任何环境中均可运行，包括 Linux。

报表案例研究（第二版）

在第8章的 案例研究中，我们使用pandasread_excel函数读取了配套代码库中sales_data目录下的所有源文件。在本版本的案例研究中，我们将采用相同的方法。不过，这次我们将不再使用xlwings将报告写入预格式化的模板，而是继续使用pandas，将DataFrame写入一个新的Excel文件。 由于 pandas 本身无法创建 Excel 图表，因此本版本的报告将仅包含表格。如示例 14-1 所示，Python 脚本sales_report_pandas.py 与sales_report_xlwings.py 几乎完全相同。区别在于，报告是通过脚本最后一行中的to_excelDataFrame 方法生成的。

示例 14-1. sales_report_pandas .py

from pathlib import Path

import pandas as pd

# Directory of this file
this_dir = Path(__file__).resolve().parent

# Read in all files
parts = []
for path in (this_dir / "sales_data").rglob("*.xls*"):
    print(f"Reading {path.name}")
    part = pd.read_excel(path, engine="calamine")
    parts.append(part)

# Combine the DataFrames from each file into a single DataFrame
df = pd.concat(parts)

# Pivot each store into a column and sum up all transactions per date
pivot = pd.pivot_table(
    df, index="transaction_date", columns="store", values="amount", aggfunc="sum"
)

# Resample to end of month and assign an index name
summary = pivot.resample("ME" ...