Как переписать лист Excel в Python: от чтения до сохранения

Введение: зачем переписывать Excel в Python?

Работа с таблицами Excel через Python стала неотъемлемой частью автоматизации бизнес-процессов. Представьте: у вас есть отчёт с тысячами строк, которые нужно отфильтровать, преобразовать или перенести в другую систему. Вручную это займёт часы, а с помощью скрипта — несколько секунд. Но как правильно прочитать данные, изменить их и записать обратно без потери форматирования?

Эта статья поможет разобраться в нюансах работы с Excel-файлами через pandas, openpyxl и другие библиотеки. Мы рассмотрим не только базовые операции, но и распространённые ошибки, которые могут испортить ваши данные. Например, знали ли вы, что при неправильном сохранении формулы в ячейках могут превратиться в статичные значения? Или что даты в Excel и Python хранятся по-разному?

Если вы новичок, начните с простых примеров. Опытным пользователям будут полезны разделы про оптимизацию производительности и работу с большими файлами. В конце статьи — FAQ с ответами на типичные вопросы и чек-лист для проверки вашего кода.

1. Подготовка: какие библиотеки понадобятся?

Прежде чем переписывать данные, нужно выбрать инструмент. В Python есть несколько популярных библиотек для работы с Excel:

• 📊 pandas — универсальный инструмент для анализа данных, поддерживает чтение/запись Excel через openpyxl или xlrd.
• 📑 openpyxl — специализированная библиотека для работы с форматом .xlsx (не поддерживает .xls).
• 📈 xlwings — позволяет взаимодействовать с Excel как с приложением (например, обновлять графики в реальном времени).
• 🔄 pyxlsb — для работы с бинарными файлами .xlsb (реже используется).

Для большинства задач хватит pandas + openpyxl. Установите их через pip:

pip install pandas openpyxl

Важно: если вы работаете с файлами .xls (старый формат Excel), дополнительно установите xlrd версии ниже 2.0:

pip install xlrd==1.2.0

2. Чтение данных из Excel: базовые методы

Начнём с самого простого — чтения данных. Предположим, у вас есть файл data.xlsx с листом "Sales". Вот как его открыть:

import pandas as pd

Чтение всего листа
df = pd.read_excel("data.xlsx", sheet_name="Sales")

Чтение конкретных колонок
df = pd.read_excel("data.xlsx", sheet_name="Sales", usecols=["Date", "Amount"])

Чтение с пропуском первых 3 строк (например, если есть заголовки)
df = pd.read_excel("data.xlsx", sheet_name="Sales", skiprows=3)

Если нужно прочитать несколько листов сразу, используйте sheet_name=None — результат будет словарём, где ключи — названия листов:

all_sheets = pd.read_excel("data.xlsx", sheet_name=None)
sales_df = all_sheets["Sales"]
inventory_df = all_sheets["Inventory"]

Обратите внимание: по умолчанию pandas преобразует даты в формат Timestamp, а пустые ячейки — в NaN. Если вам нужно сохранить оригинальные типы данных, используйте параметр dtype=str:

df = pd.read_excel("data.xlsx", dtype=str)

3. Изменение данных: фильтрация и преобразования

После чтения данные обычно требуется обработать. Вот несколько типичных операций:

• 🔍 Фильтрация: оставить только строки, где сумма продаж > 1000.

  filtered_df = df[df["Amount"] > 1000]

• 🔄 Замена значений: заменить все NaN на ноль.

  df.fillna(0, inplace=True)

• 📅 Работа с датами: добавить новый столбец с номером месяца.

  df["Month"] = pd.to_datetime(df["Date"]).dt.month

• 📊 Агрегация: посчитать сумму продаж по категориям.

  grouped_df = df.groupby("Category")["Amount"].sum()

Критическая особенность: если вы планируете сохранить данные обратно в Excel, избегайте операций, которые преобразуют DataFrame в Series (например, groupby().sum()). В таком случае перед сохранением преобразуйте результат обратно в DataFrame:

grouped_df = df.groupby("Category")["Amount"].sum().reset_index()

Также помните, что Excel не поддерживает некоторые типы данных Python, например, dict или set. Перед сохранением преобразуйте их в строки:

df["Metadata"] = df["Metadata"].apply(str)

4. Сохранение данных обратно в Excel

Теперь разберёмся, как записать изменённые данные в новый (или существующий) файл. Базовый синтаксис:

df.to_excel("output.xlsx", sheet_name="Updated_Sales", index=False)

Ключевые параметры:

Внимание: если вы сохраняете данные в существующий файл, pandas по умолчанию перезапишет его полностью. Чтобы добавить лист в существующий файл, используйте ExcelWriter с параметром mode='a':

from openpyxl import load_workbook

with pd.ExcelWriter("output.xlsx", engine='openpyxl', mode='a') as writer:
df.to_excel(writer, sheet_name="New_Sheet", index=False)

5. Работа с формулами и специальными форматами

Одна из самых сложных задач — сохранение формул и пользовательских форматов (например, процентов или валют). По умолчанию pandas вычисляет формулы и сохраняет только результаты. Чтобы этого избежать, используйте openpyxl напрямую:

from openpyxl import load_workbook

Открываем файл
wb = load_workbook("formulas.xlsx")
ws = wb["Calculations"]

Записываем формулу в ячейку B2 (например, сумма A1:A10)
ws["B2"] = "=SUM(A1:A10)"

Сохраняем файл
wb.save("formulas_updated.xlsx")

Для работы с датами и временем важно помнить:

• 📅 Excel хранит даты как количество дней с 1 января 1900 года.
• ⏰ Python использует объект datetime.
• 🔄 При чтении/записи дат используйте pd.to_datetime() для преобразований.

Пример: преобразование столбца с датами из Excel в нормальный формат:

df["Date"] = pd.to_datetime(df["Date"], unit='D', origin='1899-12-30')

6. Оптимизация работы с большими файлами

Если ваш файл весит сотни мегабайт, стандартные методы могут не сработать. Вот несколько советов для ускорения:

• ⚡ Читайте только нужные столбцы: usecols=["Column1", "Column2"].
• 🗃️ Используйте chunksize: обрабатывайте файл порциями по 10 000 строк.

  for chunk in pd.read_excel("huge_file.xlsx", chunksize=10000):
  process(chunk)

• 📉 Отключите автоматическое определение типов: dtype=str ускорит чтение, но данные придётся преобразовывать вручную.
• 💾 Сохраняйте в .csv: если форматирование не важно, df.to_csv() работает в 5–10 раз быстрее.

Внимание: при работе с chunksize нельзя использовать sheet_name=None — нужно обрабатывать листы по одному.

Для максимальной производительности рассмотрите использование dask или modin — библиотек, оптимизированных для работы с большими данными:

import modin.pandas as pd  # Замена стандартного pandas

df = pd.read_excel("huge_file.xlsx")  # Работает быстрее на многопроцессорных системах

7. Типичные ошибки и как их избежать

Даже опытные разработчики сталкиваются с проблемами при работе с Excel в Python. Вот самые распространённые:

⚠️ Ошибка: ValueError: Excel file format cannot be determined, you must specify an engine manually.
Решение: Укажите движок явно: pd.read_excel("file.xlsx", engine='openpyxl').

⚠️ Ошибка: Формулы сохраняются как текст, а не как вычисляемые выражения.
Решение: Используйте openpyxl для записи формул (см. раздел 5).

Другие частые проблемы:

Убедитесь, что файл не открыт в Excel|Проверьте названия листов (макс. 31 символ)|Преобразуйте несовместимые типы данных (dict, set) в строки|Сохраните резервную копию оригинального файла|Укажите явный движок (engine='openpyxl')

-->

FAQ: Ответы на частые вопросы

from openpyxl import load_workbook

wb = load_workbook("data.xlsx")
ws = wb["Sheet1"]

Записываем данные в диапазон B2:D10
for row in dataframe_to_rows(df, index=False, header=False):
ws.append(row)

wb.save("data_updated.xlsx")

with pd.ExcelWriter("multi_sheet.xlsx", engine='openpyxl') as writer:
df1.to_excel(writer, sheet_name="Sheet1", index=False)
df2.to_excel(writer, sheet_name="Sheet2", index=False)
df3.to_excel(writer, sheet_name="Sheet3", index=False)

import gspread
from oauth2client.service_account import ServiceAccountCredentials

Авторизация
scope = ["https://spreadsheets.google.com/feeds", "https://www.googleapis.com/auth/drive"]
creds = ServiceAccountCredentials.from_json_keyfile_name("credentials.json", scope)
client = gspread.authorize(creds)

Открываем таблицу
sheet = client.open("My Sheet").sheet1

Записываем данные (например, обновляем ячейку A1)
sheet.update_acell("A1", "New Value")