python读取本地excel文件？📊数据处理小白也能轻松搞定！🚀

2026-04-12 19:15:23 发布

python读取本地excel文件？📊数据处理小白也能轻松搞定！🚀，手把手教你用Python读取本地Excel文件，适合零基础小白！通过pandas库快速导入数据并实现简单操作，让你轻松掌握数据分析第一步。

一、准备工作：安装必备工具箱📚

首先，你需要确保电脑上已经安装了Python环境，以及最重要的数据处理神器——pandas库！如果还没安装，打开终端或命令提示符，输入以下代码：
```bashpip install pandas openpyxl```
这里特别提到 openpyxl，它可以帮助我们处理xlsx格式的Excel文件哦！✨
接下来，准备一个本地的Excel文件，比如叫 data.xlsx，里面可以包含一些学生信息或者销售数据之类的。
是不是有点紧张？别怕！接下来我会一步步带你搞定这个技能点～

二、第一步：导入库和文件💻

现在进入正题！打开你的Python编辑器（比如Jupyter Notebook、PyCharm等），先导入必要的库：
```pythonimport pandas as pd```
然后，使用 pd.read_excel() 函数读取Excel文件。假设你的Excel文件和Python脚本在同一目录下，代码如下：
```pythondf = pd.read_excel( data.xlsx )```
是不是很简单？这里的 df 是DataFrame的缩写，它是pandas中最常用的数据结构之一，相当于一张表格。现在你已经成功读取了Excel文件！👏

三、第二步：查看数据结构👀

读取完成后，你可以用以下方法快速查看数据：
1. 查看前几行数据：
```pythonprint(df.head())```
这会显示Excel文件中的前五行数据，方便你确认是否正确加载。
2. 查看整体信息：
```pythonprint(df.info())```
这会告诉你每列的数据类型、是否有空值等重要信息。
3. 统计描述性信息：
```pythonprint(df.describe())```
这会输出数值列的均值、标准差、最大最小值等统计信息，非常适合初步了解数据分布。
是不是感觉数据变得鲜活起来了？😋

四、第三步：数据清洗与筛选🧹

读取完数据后，你可能会发现一些问题，比如空值、重复数据或者不需要的列。让我们来解决这些问题：
1. 删除空值：
```pythondf_clean = df.dropna() # 删除所有含有空值的行```
2. 删除重复数据：
```pythondf_clean = df_clean.drop_duplicates() # 删除所有重复行```
3. 筛选特定列：
假设你想只保留“姓名”和“成绩”两列：
```pythondf_subset = df_clean[[ 姓名 , 成绩 ]]```
4. 过滤符合条件的数据：
比如只保留成绩大于90的学生：
```pythonhigh_scores = df_subset[df_subset[ 成绩 ] > 90]```
是不是感觉数据越来越干净了？😎

五、第四步：保存修改后的数据💾

当你完成了数据清洗和筛选后，别忘了将结果保存下来，方便后续使用：
```pythonhigh_scores.to_excel( high_scores.xlsx , index=False)```
这段代码会将筛选出的成绩高于90的学生信息保存为一个新的Excel文件，命名为 high_scores.xlsx。注意，这里加上了 index=False 参数，避免保存时自动添加行索引。
现在你已经完整地读取、处理并保存了Excel文件，是不是很有成就感？🎉

六、终极小贴士：批量处理多个Excel文件🔗

如果你的文件夹中有多个Excel文件需要处理，可以尝试以下代码：
```pythonimport os# 获取当前目录下的所有Excel文件files = [f for f in os.listdir( . ) if f.endswith( .xlsx )]# 循环读取每个文件并合并到一个DataFrame中all_data = pd.DataFrame()for file in files: temp_df = pd.read_excel(file) all_data = pd.concat([all_data, temp_df], ignore_index=True)# 保存合并后的数据all_data.to_excel( combined_data.xlsx , index=False)```
这段代码会遍历当前目录下的所有Excel文件，并将它们合并成一个大的DataFrame，最后保存为 combined_data.xlsx 文件。非常适合批量处理大量数据！大数据时代，效率就是生产力！⚡️