当前位置：首页 > java >正文

【Python自动化】 21 Pandas Excel 操作完整指南

java 2025/9/7 5:23:38

一、Pandas 库介绍

什么是 Pandas？

Pandas 是 Python 中最强大的数据分析库，提供高效的 DataFrame 数据结构，专门用于处理表格化数据。

核心功能

数据读取和写入（CSV、Excel、SQL 等）
数据清洗和预处理
数据转换和分析
时间序列处理

二、安装与环境配置

基础安装

# 最小化安装
pip install pandas# 包含 Excel 支持的安装（推荐）
pip install pandas openpyxl# 使用 conda
conda install pandas
conda install openpyxl

验证安装

import pandas as pd
print(pd.__version__)  # 应显示版本号

三、基础 Excel 操作

正确的基本语法

import pandas as pd# 创建 DataFrame - 正确语法
df = pd.DataFrame({"ID": [1, 2, 3],"Name": ["Tim", "Victor", "Nick"],"Age": [25, 30, 28]
})# 写入 Excel 文件
df.to_excel("output.xlsx", index=False)
print("文件创建成功！")

四、常见错误案例及解决方案

错误案例 1: 拼写错误

# ❌ 错误代码
df = pd.DateFrame({"ID": [1, 2, 3]})  # DateFrame 拼写错误# ✅ 正确代码
df = pd.DataFrame({"ID": [1, 2, 3]})   # DataFrame 正确拼写

错误信息：

AttributeError: module 'pandas' has no attribute 'DateFrame'. Did you mean: 'DataFrame'?

错误案例 2: 语法错误（方括号误用）

# ❌ 错误代码
df = pd.DataFrame[{"ID": [1, 2, 3]}]  # 使用了方括号# ✅ 正确代码
df = pd.DataFrame({"ID": [1, 2, 3]})   # 使用圆括号

错误信息：

TypeError: type 'DataFrame' is not subscriptable

错误案例 3: 缺少依赖库

# ❌ 错误代码 - 缺少 openpyxl
df.to_excel("output.xlsx")  # 没有安装 openpyxl# ✅ 解决方案
# 安装缺失的库
pip install openpyxl# 或者指定引擎
df.to_excel("output.xlsx", engine='openpyxl')

错误信息：

ModuleNotFoundError: No module named 'openpyxl'

错误案例 4: 文件权限问题

# ❌ 错误代码 - 没有写入权限
df.to_excel("c:/system/output.xlsx")  # 系统目录无权限# ✅ 解决方案
import os# 尝试多个路径
paths = ["./output.xlsx",                    # 当前目录os.path.expanduser("~/output.xlsx") # 用户目录
]for path in paths:try:df.to_excel(path, index=False)print(f"文件保存到: {path}")breakexcept PermissionError:continue

错误信息：

PermissionError: [Errno 13] Permission denied

错误案例 5: 路径不存在

# ❌ 错误代码 - 目录不存在
df.to_excel("e:/nonexistent_folder/output.xlsx")# ✅ 解决方案
import os# 创建目录（如果不存在）
os.makedirs("e:/nonexistent_folder", exist_ok=True)
df.to_excel("e:/nonexistent_folder/output.xlsx")

五、完整的最佳实践代码

版本 1: 基础版本（带错误处理）

import pandas as pd
import osdef create_excel_safely():try:# 创建 DataFramedf = pd.DataFrame({"ID": [1, 2, 3],"Name": ["Tim", "Victor", "Nick"],"Department": ["IT", "HR", "Finance"],"Salary": [5000, 6000, 5500]})print("数据创建成功:")print(df)# 安全保存路径file_path = "./output.xlsx"# 写入 Exceldf.to_excel(file_path, index=False, engine='openpyxl')# 验证文件if os.path.exists(file_path):print(f"✅ Excel 文件创建成功: {file_path}")else:print("❌ 文件创建失败")except Exception as e:print(f"❌ 发生错误: {e}")if __name__ == "__main__":create_excel_safely()

版本 2: 高级版本（多路径尝试）

import pandas as pd
import osdef smart_excel_creator(data, filename="output.xlsx"):"""智能创建 Excel 文件，自动尝试多个保存路径"""# 定义可能的保存路径（按优先级排序）possible_paths = ["./" + filename,                    # 当前目录os.path.join(os.path.expanduser("~"), "Documents", filename),  # 文档目录os.path.join(os.path.expanduser("~"), filename),              # 用户目录f"c:/temp/{filename}",              # 临时目录f"e:/{filename}"                    # E盘根目录]df = pd.DataFrame(data)for path in possible_paths:try:# 创建目录（如果不存在）os.makedirs(os.path.dirname(path), exist_ok=True)# 写入文件df.to_excel(path, index=False, engine='openpyxl')# 验证文件if os.path.exists(path):file_size = os.path.getsize(path)return {"success": True,"path": path,"size": file_size,"message": f"文件成功保存到: {path} ({file_size} 字节)"}except PermissionError:continueexcept Exception as e:continuereturn {"success": False,"message": "所有保存路径都失败，请检查权限和磁盘空间"}# 使用示例
if __name__ == "__main__":data = {"ID": [1, 2, 3, 4, 5],"Name": ["Alice", "Bob", "Charlie", "Diana", "Eve"],"Age": [25, 30, 35, 28, 32],"City": ["北京", "上海", "广州", "深圳", "杭州"]}result = smart_excel_creator(data, "employees.xlsx")print(result["message"])if result["success"]:print("🎉 操作完成！")else:print("❌ 操作失败，请尝试手动指定路径")

六、环境检测脚本

安装验证脚本

# check_environment.py
import sys
import subprocessdef check_environment():"""检查 Python 环境配置"""print("=" * 50)print("Python 环境检测")print("=" * 50)# 检查 Python 版本print(f"Python 版本: {sys.version}")# 检查必要库required_libs = ['pandas', 'openpyxl', 'numpy']missing_libs = []for lib in required_libs:try:__import__(lib)version = __import__(lib).__version__print(f"✅ {lib:10} | 已安装 | 版本: {version}")except ImportError:print(f"❌ {lib:10} | 未安装")missing_libs.append(lib)# 提示安装缺失的库if missing_libs:print(f"\n⚠️  缺少以下库: {', '.join(missing_libs)}")print("请运行以下命令安装:")print(f"pip install {' '.join(missing_libs)}")# 询问是否自动安装choice = input("\n是否自动安装缺失的库？(y/n): ")if choice.lower() == 'y':try:subprocess.check_call([sys.executable, "-m", "pip", "install"] + missing_libs)print("✅ 安装完成！")except subprocess.CalledProcessError:print("❌ 安装失败，请手动安装")print("=" * 50)if __name__ == "__main__":check_environment()

七、Rust Polars 对比实现

Cargo.toml 配置

[package]
name = "excel_operations"
version = "0.1.0"
edition = "2021"[dependencies]
polars = { version = "0.37", features = ["lazy", "xlsx", "temporal", "serde"] }

Rust 实现代码

use polars::prelude::*;
use std::error::Error;fn main() -> Result<(), Box<dyn Error>> {// 创建 DataFramelet df = df! ["ID" => &[1, 2, 3],"Name" => &["Tim", "Victor", "Nick"],"Age" => &[25, 30, 28],"Department" => &["IT", "HR", "Finance"]]?;println!("创建的 DataFrame:");println!("{:?}", df);// 写入 Excel 文件let mut file = std::fs::File::create("output_rust.xlsx")?;ExcelWriter::new(&mut file).has_header(true).finish(&mut df.clone())?;println!("✅ Excel 文件创建成功: output_rust.xlsx");Ok(())
}

八、总结对比

Pandas (Python) vs Polars (Rust)

特性	Pandas	Polars
语法简洁性	⭐⭐⭐⭐⭐	⭐⭐⭐
性能	⭐⭐⭐	⭐⭐⭐⭐⭐
内存效率	⭐⭐⭐	⭐⭐⭐⭐⭐
错误处理	⭐⭐⭐⭐	⭐⭐⭐⭐
生态系统	⭐⭐⭐⭐⭐	⭐⭐⭐