自動化Excel進階技能之一：添加圖片

盡管Excel電子表格中并不經常都是插入圖片的，但是添加了圖片以及圖片里插入里url鏈接，這還是相當實用的。我們可以用它來做品牌宣傳，或者讓Excel表格更加個性化。

怎么做？

為了能夠使用openpyxl向電子表格加載圖片，我們必須安裝Pillow。

除此之外，我們還需要準備一張要插入的圖片。

我們可以在百度圖片搜索pandas，然后在Chrome瀏覽器下面用“圖片助手”的插件抓取png格式的pandas徽標圖片，將最終的文件保存為 logo.png，并將這個圖片復制到你運行示例的根目錄下。

這是你需要將該圖片導入到hello_word.xlsx電子表格中的代碼：

from openpyxl import load_workbookfrom openpyxl.drawing.image import Image#?我們用一個數據很小的hello_world文件workbook = load_workbook(filename="hello_world.xlsx")sheet = workbook.activelogo = Image("logo.png")# 調整圖片大小，免得全屏都是圖片logo.height = 150logo.width = 150sheet.add_image(logo, "A3")workbook.save(filename="hello_world_logo.xlsx")

自動化Excel進階技能之二：創建漂亮的圖表

Excel之所以強大，是因為能夠繪制各種圖表。

Excel圖表是一種快速可視化，解釋數據的好方法。

Excel內有很多不同的圖表類型：柱狀圖、餅狀圖、線狀圖等等。

openpyxl支持所有的Excel圖表。

在這里，我列舉幾個怎么畫圖表的例子，其余圖表類型都是一樣，照模畫虎就行。

請注意：openpyxl目前不支持的幾種圖表類型有：Funnel, Gantt, Pareto, Treemap, Waterfall, Map和Sunburst。

對于任何我們想構建的圖表，我們都需要定義圖表類型。BarChart, LineChart等，再加上用于圖表的數據。

在構建圖表之前，我們需要定義我們想在圖表中看到什么數據的表示。有時，我們可以按原樣使用數據集，但其他時候，你需要對數據進行一些清洗規整以獲得原始數據之外的信息。

讓我們先用一些樣本數據建立一個新的工作簿：

from openpyxl import Workbookfrom openpyxl.chart import BarChart, Referenceworkbook = Workbook()sheet = workbook.active# 創建一些虛擬銷售數據rows = [ ["Product", "Online", "Store"], [1, 30, 45], [2, 40, 30], [3, 40, 25], [4, 50, 30], [5, 30, 25], [6, 25, 35], [7, 20, 40],]for row in rows: sheet.append(row)

現在我們要開始創建一個顯示每個產品銷售總數的條形圖：

chart = BarChart()data = Reference(worksheet=sheet, min_row=1, max_row=8, min_col=2, max_col=3)chart.add_data(data, titles_from_data=True)sheet.add_chart(chart, "E2")workbook.save("chart.xlsx")

下面你可以看到一個非常直接的柱狀圖，顯示電商平臺產品銷售和線下門店產品銷售的區別：

如圖所示，圖表的左上角是原始數據。在我們的案例中，它是在單元格E2上。

我們再接著嘗試創建一個折線圖，先改變一下數據：

import randomfrom openpyxl import Workbookfrom openpyxl.chart import LineChart, Referenceworkbook = Workbook()sheet = workbook.active#?創建一些虛擬銷售數據樣本rows = [ ["", "January", "February", "March", "April", "May", "June", "July", "August", "September", "October", "November", "December"], [1, ], [2, ], [3, ],]for row in rows: sheet.append(row)for row in sheet.iter_rows(min_row=2, max_row=4, min_col=2, max_col=13): for cell in row: cell.value = random.randrange(5, 100)

通過上面的代碼，我們將生成一些隨機數據，關于3種不同產品在一整年的銷售情況。

一旦完成，我們可以很容易地用下面的代碼創建一個折線圖。

chart = LineChart()data = Reference(worksheet=sheet, min_row=2, max_row=4, min_col=1, max_col=13)chart.add_data(data, from_rows=True, titles_from_data=True)sheet.add_chart(chart, "C6")workbook.save("line_chart.xlsx")

這是上面這段代碼的結果：

這里需要注意的是，我們在添加數據時，參數使用from_rows=True。這個參數讓圖表是逐行而不是逐列進行繪制。

在示例數據中，我們看到每個產品都有12個數據行(每個月1列)。這就是為什么要使用from_rows的原因。

如果我們不傳遞這個參數，默認情況下，圖表是按列繪制，我們會得到一個逐月的銷售比較。

另一個與上述參數變化有關的區別是，我們的Reference現在從第一列開始，min_col=1，而不是第二列。

這個變化是需要的，因為圖表默認第一列有標題。

關于圖表的樣式，還有一些其他的參數我們可以改變。

例如，可以在圖表中添加特定的類別。

cats = Reference(worksheet=sheet, min_row=1, max_row=1, min_col=2, max_col=13)chart.set_categories(cats)

在保存工作簿之前添加這段代碼，我們應該會看到月名而不是數字出現

從代碼上來說，這是一個最小的變化。但就電子表格的可讀性而言，這讓讀者更容易打開電子表格并直接理解圖表。

另一個可以提高圖表可讀性的方法是添加一個軸。

我們可以使用屬性x_axis和y_axis來實現。

chart.x_axis.title = "Months"chart.y_axis.title = "Sales (per unit)"

這將生成一個像下面這樣的電子表格：

正如上圖所示，這樣的小變化使圖表更容易讀和理解。

還有一種方法是通過使用Excel的默認ChartStyle屬性來設置圖表的樣式。

在這種情況下，我們需要在1和48之間選擇一個數字。根據我們的選擇，我們的圖表顏色會發生改變。

#?我們可以選擇顏色，從1到48里面填一個數字即可chart.style = 24

在上面選擇的風格下，所有的線條都有一些橙色的陰影。

沒有明確的文檔說明每個樣式會是什么樣的，但這個案例有幾個可用樣式。

這里有更多的圖表類型和自定義可以應用，所以如果我們需要一些特定的格式，我們需要查閱這方面的文檔包。

自動化Excel進階技能之三：將Python數據存儲到Excel電子表格

我們演示里如何將Excel電子表格的數據轉換為Python類，但現在讓我們反過來做。

讓我們想象一下，如果我們有一個數據庫，并且正在使用一些對象關系映射 (ORM) 將 DB 對象映射到 Python 類中。現在，我們想把這些相同的對象導出到Excel中。

讓我們假設以下數據類來表示來自數據庫的有關產品銷售的數據：

from dataclasses import dataclassfrom typing import List@dataclassclass Sale: quantity: int@dataclassclass Product: id: str name: str sales: List[Sale]

我們先生成一些隨機數據，假設上述類存儲在db_classes.py文件中。

import random# Ignore these for now. You'll use them in a sec ;)from openpyxl import Workbookfrom openpyxl.chart import LineChart, Referencefrom db_classes import Product, Saleproducts = []# Let's create 5 productsfor idx in range(1, 6): sales = [] # Create 5 months of sales for _ in range(5): sale = Sale(quantity=random.randrange(5, 100)) sales.append(sale) product = Product(id=str(idx), name="Product %s" % idx, sales=sales) products.append(product)

通過運行這段代碼，我們得到5個產品5個月的銷售量，每個月的銷售量是隨機的。

現在，要將其轉換為電子表格，然后需要對數據進行迭代，并將其寫入到Excel中。

workbook = Workbook()sheet = workbook.active#?先添加列名sheet.append(["Product ID", "Product Name", "Month 1", "Month 2", "Month 3", "Month 4", "Month 5"])# 寫入數據for product in products: data = [product.id, product.name] for sale in product.sales: data.append(sale.quantity) sheet.append(data)

這可以讓我們用來自數據庫的一些數據創建一個電子表格。

然而，為什么不利用我們剛學的知識，添加一個圖表，更直觀地顯示這些數據呢？

可以試試下面這樣做：

chart = LineChart()data = Reference(worksheet=sheet, min_row=2, max_row=6, min_col=2, max_col=7)chart.add_data(data, titles_from_data=True, from_rows=True)sheet.add_chart(chart, "B8")cats = Reference(worksheet=sheet, min_row=1, max_row=1, min_col=3, max_col=7)chart.set_categories(cats)chart.x_axis.title = "Months"chart.y_axis.title = "Sales (per unit)"workbook.save(filename="oop_sample.xlsx")

這是一個由數據庫對象生成的電子表格，并帶有圖表和所有的東西。一個由數據庫對象生成的電子表格，并帶有圖表和一切：

實踐運用，就是我們學習新知識的最好方法!

自動化Excel進階技能之四：Pandas與openpyxl雙劍合璧

盡管可以使用Pandas來處理Excel文件，但有時候，Pandas完成不了，這時候我們首選openpyxl。

openpyxl可以輕松地使用樣式、條件格式等自定義電子表格。

openpyxl既支持將Pandas DataFrame中的數據轉換為工作簿，也支持將openpyxl工作簿轉換為Pandas DataFrame。

首先要記得安裝pandas包：

然后，讓我們創建一個示例DataFrame：

import pandas as pddata = { "Product Name": ["Product 1", "Product 2"], "Sales Month 1": [10, 20], "Sales Month 2": [5, 35],}df = pd.DataFrame(data)

現在我們已經有了一些數據，你可以使用.dataframe_to_rows()將其從DataFrame轉換為工作表。

from openpyxl import Workbookfrom openpyxl.utils.dataframe import dataframe_to_rowsworkbook = Workbook()sheet = workbook.activefor row in dataframe_to_rows(df, index=False, header=True): sheet.append(row)workbook.save("pandas.xlsx")

我們會看到下圖的Excel：

如果我們想添加DataFrame的索引，你可以改變index=True，它就會把每一行的索引添加到我們的Excel電子表格中。

另一方面，如果我們想把電子表格轉換成DataFrame，這里有很直接的方法，比如這樣做：

import pandas as pdfrom openpyxl import load_workbookworkbook = load_workbook(filename="sample.xlsx")sheet = workbook.activevalues = sheet.valuesdf = pd.DataFrame(values)

另外，如果我們想添加正確的標題，并使用review ID作為索引，那么我們也可以這樣做來代替：

import pandas as pdfrom openpyxl import load_workbookfrom mapping import REVIEW_IDworkbook = load_workbook(filename="sample.xlsx")sheet = workbook.activedata = sheet.values# 將第一行設置為DataFrame的列。cols = next(data)data = list(data)# 設置字段 "review_id "作為每行的索引。idx = [row[REVIEW_ID] for row in data]df = pd.DataFrame(data, index=idx, columns=cols)

使用索引和列可以讓我們輕松地從我們的DataFrame中訪問數據。

>>> df.columnsIndex(['marketplace', 'customer_id', 'review_id', 'product_id', 'product_parent', 'product_title', 'product_category', 'star_rating', 'helpful_votes', 'total_votes', 'vine', 'verified_purchase', 'review_headline', 'review_body', 'review_date'], dtype='object')>>> # 獲得前10個評論的星級評價>>> df["star_rating"][:10]R3O9SGZBVQBV76 5RKH8BNC3L5DLF 5R2HLE8WKZSU3NL 2R31U3UH5AZ42LL 5R2SV659OUJ945Y 4RA51CP8TR5A2L 5RB2Q7DLDN6TH6 5R2RHFJV0UYBK3Y 1R2Z6JOQ94LFHEP 5RX27XIIWY5JPB 4Name: star_rating, dtype: int64>>> # 使用索引找到 "R2EQL1V1L6E0C9 "的評論>>> df.loc["R2EQL1V1L6E0C9"]marketplace UScustomer_id 15305006review_id R2EQL1V1L6E0C9product_id B004LURNO6product_parent 892860326review_headline Five Starsreview_body Love itreview_date 2015-08-31Name: R2EQL1V1L6E0C9, dtype: object

好了，不管我們是想用openpyxl來美化我們的Pandas數據集，還是想用Pandas來做一些核心的代數，我們已經掌握了在pandas和openpyxl之間自由切換了。

關注我們，了解后續更新。

總結

以上是生活随笔為你收集整理的npoi生成的表格数字左上角_如何用openpyxl自动化编写Excel电子表格 进阶篇 下的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。