5分钟学会用Python

读取Excel

日常办公使用频率最高的软件非Excel莫属了，如果我们遇到需要导入别人的Excel进行后续数据分析、读取内容等操作，我们该怎么办呢？

测试开发哥哥说：莫要慌，人生苦短，我用Python！

本文目录

--环境配置

--主要使用方法

--打开文件

--获取sheet表

--获取行列数

--获取单元格值

--遍历表格

--读取指定行、指定列

--样例

--原始需求

--打开并获取sheet表

--读取表头

--读取内容

环境配置

Python的基础环境配置相信大家都很熟悉了，此处不再赘述，如需详细文档，可以善用搜索引擎。

Python读取Excel的外部库的方法参考上次的文章(5分钟学习用Python写测试报告—openpyxl应用)，本次继续使用好用的openpyxl库进行Excel的读取

安装很简单，直接用pip命令即可安装成功：

pip install openpyxl

.py文件中导入openpyxl即可使用

import openpyxl或者from openpyxl import Workbook

主要使用方法

1.打开文件

from openpyxl import load_workbook

excel=load_workbook('/test.xlsx')

2.获取sheet表

获得每一个子表的名称

excel.sheetnames

通过表名获取当前表对象，方便后续进行遍历操作

table = excel.get_sheet_by_name('Sheet1')

3.获取行数和列数：

rows=table.max_row   #获取行数

cols=table.max_column    #获取列数

4.获取单元格值：

值得说明的是，openpyxl的行列数是按照Excel中的行列数从1开始的，而不是一般程序从0开始，此处使用的时候需要特别注意。

Data=table.cell(row=row,column=col).value

#第一行第一列从1开始的获取表格内容

5.遍历表格

遍历从某行到某列的方法是使用iter_rows('开始:结束') ,此处的入参和Excel保持一致，如：从A1单元格到D4单元格为 A1:D4

遍历的内容使用value方法获得

取值时要用value,例如：

for row in ws.iter_rows('A1:D4'):

for cell in row:

print(cell.value)

6.读指定行、指定列:

row=ws.rows

返回值row是可迭代的，是当前表格所有的行

columns=ws.columns

返回值column是可迭代的，是当前表格所有的列

打印第n行数据

print(rows[n])

样例

1.原始需求

假设我们有如下表格，第2行为表头，获取当前表头和表格的所有的内容，返回结果和list形式

2.打开并获取sheet表

获取表格1sheet对象

table = excel[tables[0]]

3.读取表头

逻辑为：

1.首先获得总列数

table.max_colum

2.然后遍历第二行每一列

for i in range(1, columns + 1)

+1是因为openpyxl是从1开始计数，python的range为左闭右开区间

TIPS:

因为在计算机硬件中迭代器对比较大小的运算很麻烦，有些时候两个地址都无法比较大小。但是比较是否相等就会简单的多，比如我要 range(5) 这时候只需判断从0开始每次加一，直到等于5的时候结束循环。

3.拿到单元格的值，存储到数组中。

row_data.append(cell_value)

4.拿到每一个表头的具体index

# 以下基于我们已知表头内容，但不知道位于第几个结果_index = row_data.index('结果')

测试项_index = row_data.index('测试项')

备注_index = row_data.index('备注')

4.读取全部内容

有了上面的学习，读取全部内容就轻而易举了

输出为：

{'测试项': ['通过率', '识别率', '召回率'], '结果': [0.9, 0.68, 0.78], '备注': ['通过', '识别', '召']}

相信聪明的读者看到这里，已经知道如何使用openpyxl进行表格的读取了，如果有更多的使用，可以参考openpyxl的官方文档：

https://openpyxl.readthedocs.io/en/stable/

作

业

万万没想到我看个公众号还有作业？？

没关系，这里只是介绍下应用场景：

如下面的表格是某次性能测试的数据，请快速用python存入数据库并计算差异大于10%且大于4秒的数据，想必聪明的你这5分钟已经学会了。