脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python处理CSV和Excel

Python自动化办公之处理CSV和Excel文件的操作指南

 更新时间：2025年11月17日 09:27:57   作者：小庄-Python办公  
面向数据分析、报表生成与系统集成的日常工作,CSV 与 Excel 几乎是最常用的两种表格数据格式,下面我们就来系统讲解如何在 Python 中高效读写 CSV 和 Excel吧

前言

面向数据分析、报表生成与系统集成的日常工作，CSV 与 Excel 几乎是最常用的两种表格数据格式。本文以实战为导向，系统讲解如何在 Python 中高效、稳健地读写 CSV 和 Excel，覆盖常见坑点与性能优化策略，并给出可直接复制使用的代码示例。

适用读者与目标

  • 需要在后端或数据脚本中批量导入/导出表格数据
  • 想提升对编码、空值、类型转换、性能的掌控
  • 希望拥有一份可作为速查手册的实用指南

库选型与安装

  • 标准库：csv 读写 CSV，无需安装。
  • 主力库：pandas 处理结构化数据，CSV/Excel 通吃。
  • Excel 专用：openpyxl 读写 .xlsx；xlsxwriter 适合写入时的样式与大文件优化。

安装示例：

pip install pandas openpyxl xlsxwriter

读取 CSV（标准库 csv）

import csv
from pathlib import Path

path = Path("data.csv")

with path.open("r", encoding="utf-8") as f:
    reader = csv.reader(f)
    for row in reader:
        pass

使用字典形式更便于字段访问：

import csv
from pathlib import Path

with Path("data.csv").open("r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for record in reader:
        pass

写入 CSV（标准库 csv）

import csv
from pathlib import Path

rows = [["id", "name", "score"], [1, "张三", 95]]

with Path("out.csv").open("w", encoding="utf-8", newline="") as f:
    writer = csv.writer(f)
    for row in rows:
        writer.writerow(row)

写入带表头的字典：

import csv
from pathlib import Path

records = [
    {"id": 1, "name": "张三", "score": 95},
    {"id": 2, "name": "李四", "score": 88},
]

fieldnames = ["id", "name", "score"]

with Path("out_dict.csv").open("w", encoding="utf-8", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    writer.writeheader()
    writer.writerows(records)

使用 pandas 读写 CSV

读取：

import pandas as pd

df = pd.read_csv("data.csv", encoding="utf-8")

写入：

df.to_csv("out.csv", index=False, encoding="utf-8")

逐块读取大文件：

import pandas as pd

for chunk in pd.read_csv("big.csv", chunksize=100_000):
    pass

只读部分列并指定类型：

import pandas as pd

df = pd.read_csv(
    "data.csv",
    usecols=["id", "name", "score"],
    dtype={"id": "Int64", "name": "string", "score": "float64"},
)

编码与本地化要点（Windows/Excel 友好）

  • Excel 偏好 UTF-8-SIG 或本地 ANSI。为兼容 Excel，写入 CSV 时可用 utf-8-sig。
  • Windows 上换行符用 newline="" 交由 csv 控制，避免出现空行。
  • 含中文数据建议统一使用 utf-8 或 utf-8-sig。

示例：

import csv
from pathlib import Path

with Path("excel_friendly.csv").open("w", encoding="utf-8-sig", newline="") as f:
    writer = csv.writer(f)
    writer.writerow(["编号", "姓名", "备注"])

pandas 侧：

import pandas as pd

df = pd.DataFrame({"编号": [1, 2], "姓名": ["张三", "李四"]})
df.to_csv("excel_friendly.csv", index=False, encoding="utf-8-sig")

读取 Excel（.xlsx）

使用 pandas：

import pandas as pd

df = pd.read_excel("workbook.xlsx", sheet_name=0, engine="openpyxl")

指定列与类型：

import pandas as pd

df = pd.read_excel(
    "workbook.xlsx",
    sheet_name="Sheet1",
    usecols=["id", "name", "score"],
    dtype={"id": "Int64", "name": "string", "score": "float64"},
    engine="openpyxl",
)

使用 openpyxl 原生读取：

from openpyxl import load_workbook

wb = load_workbook("workbook.xlsx", read_only=True)
ws = wb.active
for row in ws.iter_rows(values_only=True):
    pass
wb.close()

写入 Excel 与多工作表

pandas 写入多个工作表：

import pandas as pd

with pd.ExcelWriter("report.xlsx", engine="xlsxwriter") as writer:
    df1 = pd.DataFrame({"id": [1, 2], "name": ["张三", "李四"]})
    df2 = pd.DataFrame({"id": [3, 4], "name": ["王五", "赵六"]})
    df1.to_excel(writer, sheet_name="用户A", index=False)
    df2.to_excel(writer, sheet_name="用户B", index=False)

openpyxl 创建并写入：

from openpyxl import Workbook

wb = Workbook()
ws = wb.active
ws.title = "数据"
ws.append(["id", "name", "score"])
ws.append([1, "张三", 95])
wb.save("simple.xlsx")

样式、公式与格式（Excel）

使用 xlsxwriter 设置样式：

import pandas as pd

with pd.ExcelWriter("styled.xlsx", engine="xlsxwriter") as writer:
    df = pd.DataFrame({"金额": [1234.5, 6789.01]})
    df.to_excel(writer, sheet_name="Sheet1", index=False)
    workbook  = writer.book
    worksheet = writer.sheets["Sheet1"]
    fmt = workbook.add_format({"num_format": "#,##0.00", "bold": True})
    worksheet.set_column("A:A", 12, fmt)

插入公式（openpyxl）：

from openpyxl import Workbook
from openpyxl.utils import get_column_letter

wb = Workbook()
ws = wb.active
ws.append(["单价", "数量", "总价"])
ws.append([10, 2, None])
ws["C2"] = "=A2*B2"
wb.save("formula.xlsx")

类型、缺失值与前导零

  • 账单号、电话号码等标识码使用字符串类型，避免前导零丢失。
  • pandas 读写时可指定 dtype=str 或使用 converters 保留格式。
  • 缺失值处理可使用 na_filter=False 或 keep_default_na=False。

示例：

import pandas as pd

df = pd.read_csv(
    "ids.csv",
    dtype={"bill_no": "string", "phone": "string"},
    keep_default_na=False,
)

CSV ↔ Excel 转换

CSV 转 Excel：

import pandas as pd

df = pd.read_csv("data.csv")
df.to_excel("data.xlsx", index=False)

Excel 转 CSV：

import pandas as pd

df = pd.read_excel("data.xlsx", engine="openpyxl")
df.to_csv("data.csv", index=False, encoding="utf-8")

多工作表合并读取：

import pandas as pd

xls = pd.ExcelFile("book.xlsx", engine="openpyxl")
frames = [xls.parse(name) for name in xls.sheet_names]
merged = pd.concat(frames, ignore_index=True)

大文件与性能优化

  • 流式读取：pandas chunksize，openpyxl read_only=True 与 iter_rows。
  • 避免不必要的类型推断与解析，显式传入 dtype、usecols。
  • 写入 Excel 时使用 xlsxwriter，速度更优，内存占用更稳。
  • pandas 2.x 可尝试 engine="pyarrow" 读取 CSV 以提升解析速度。

示例：

import pandas as pd

for chunk in pd.read_csv("big.csv", chunksize=200_000):
    pass

openpyxl 写入大文件：

from openpyxl import Workbook

wb = Workbook(write_only=True)
ws = wb.create_sheet("数据")
for i in range(1_000_000):
    ws.append([i, f"name_{i}"])
wb.save("big.xlsx")

常见坑点与规避

  • Excel 的最大行数约 1048576，超出需拆分或改用 CSV。
  • Excel 可能将长数字自动格式化为科学计数法，读写时统一为字符串类型。
  • CSV 分隔符可能不是逗号，注意使用 sep 或 delimiter。
  • 字段中包含逗号或换行时需使用引号，pandas 自动处理，标准库需配置 quotechar。
  • Windows 上若出现 CSV 空行，检查写入文件是否设置 newline=""。

迷你速查

  • 读 CSV：pd.read_csv("file.csv")
  • 写 CSV：df.to_csv("file.csv", index=False)
  • 读 Excel：pd.read_excel("file.xlsx", engine="openpyxl")
  • 写 Excel：pd.ExcelWriter("file.xlsx", engine="xlsxwriter")
  • 兼容 Excel 的 CSV 编码：encoding="utf-8-sig"
  • 大文件分块：pd.read_csv(..., chunksize=...)
  • 指定列与类型：usecols=...、dtype=...

结语

掌握 CSV 与 Excel 的读写不仅是数据工程的基本功，更是提升系统集成与数据流转效率的关键。将本文的示例与策略纳入你的项目骨架，可以显著降低编码与格式问题带来的不确定性，并在大数据量场景下获得稳定的性能表现。

到此这篇关于Python自动化办公之处理CSV和Excel文件的操作指南的文章就介绍到这了,更多相关Python处理CSV和Excel内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • 关于Python-pip安装失败问题及解决

    关于Python-pip安装失败问题及解决

    这篇文章主要介绍了关于Python-pip安装失败问题及解决方案，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
    2023-02-02
  • python 多线程实现检测服务器在线情况

    python 多线程实现检测服务器在线情况

    本文给大家分享的是Python使用多线程通过ping命令检测服务器的在线状况，给大家了内网和外网的2个例子，有需要的小伙伴可以参考下。
    2015-11-11
  • 用python登录带弱图片验证码的网站

    用python登录带弱图片验证码的网站

    这篇文章主要介绍了用python登录带弱图片验证码的网站方法，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
    2021-03-03
  • 21行Python代码实现拼写检查器

    21行Python代码实现拼写检查器

    21行python代码实现的一个简易但是具备完整功能的拼写检查器，感兴趣的小伙伴们可以参考一下
    2016-01-01
  • Python3 批量扫描端口的例子

    Python3 批量扫描端口的例子

    今天小编就为大家分享一篇Python3 批量扫描端口的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • Pandas大文件分块读取与内存优化技巧

    Pandas大文件分块读取与内存优化技巧

    本文介绍了Pandas处理大数据时的性能优化技巧,主要包括内存优化和分块处理两大核心方法,这些优化技巧使Pandas能够处理远超内存容量的大型数据集,提升数据处理效率
    2026-05-05
  • pandas删除行删除列增加行增加列的实现

    pandas删除行删除列增加行增加列的实现

    这篇文章主要介绍了pandas删除行删除列增加行增加列的实现,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-07-07
  • Python列表去重的3种最常用方法

    Python列表去重的3种最常用方法

    本文介绍了Python列表去重的3种常用方法：使用dict.fromkeys()（推荐新手）,保留原始顺序且代码简洁；使用set(),最简单但不保留顺序；封装成自定义函数,便于复用,文章通过具体代码示例演示了每种方法的应用,需要的朋友可以参考下
    2026-01-01
  • python生成器的使用方法

    python生成器的使用方法

    这篇文章主要介绍了什么是生成器，生成器如何使用，下文用例子说明了怎么使用生成器
    2013-11-11
  • python入门字符串拼接\截取\转数字理解学习

    python入门字符串拼接\截取\转数字理解学习

    本篇内容我们主要讲有关Python字符串的用法，包括字符串的拼接、字符串怎么转数字、字符串的格式化、字符串函数等内容,有需要的朋友可以借鉴参考下
    2021-09-09

最新评论