本章介绍excel自动化办公——openpyxl库的使用。我觉得openpyxl是一款轻量级的excel操作库，适合用于一些基本的操作构建，如果涉及批量处理数据，如求一整列的最大值最小值等，无疑是pandas更好；对于一些单元格背景填充、单元格合并、批量创建sheet等的操作，无疑是openpyxl好，因为pandas无法方便地完成此类操作。python库之间的兼容性大，pandas导出到excel时，如果没有安装openpyxl，将无法完成该操作。可以说，学好openpyxl库，能为以后学pandas数据分析打好良好的基础。
必读：openpyxl 旧库新库变化似乎有点大，如果和我的不一样，特别是 iter_rows函数，那么很大可能是因为你的openpyxl库不是最新的。导入库后可运行代码 print(openpyxl.__version__) 查看其版本。也可以通过 win +R 输入cmd，确认，打开cmd黑窗后输入pip install --upgrade openpyxl 去更新库。
目录
1、新建工作簿workbook及保存
2、创建/新增工作表sheet
3、移除工作表
4、读取现有excel工作簿
5、获取所有工作表及名称
6、获取活跃工作表
7、更改工作表名称
8、复制工作表
9、获取单元格的值
10、写入/更改单元格的值
11、写入整行数据
12、获取一小块区域的内容
13、获取最小行、最大行、最小列、最大列
14、获取一整个sheet的内容
15、插入/删除行列
16、冻结单元格
17、移动单元格区域
18、合并单元格
19、写入公式
20、空值、缺失值判断
21、设置单元格的字体格式
22、设置单元格的对齐方式
23、设置行高列宽
24、关闭文件
结尾
openpyxl.Workbook() 新建工作簿。
.save(filename) 保存工作簿。filename为保存的路径。
运行后，在目录下参数一个名叫 “新建工作簿” 的excel文件，因为没有任何内容写入，所以里面是空的，打开文件，内容如下：
在这先说明一下工作簿和工作表的区别，因为我刚学也是不知道。工作簿是指这个excel文件，而工作表是指这个excel里的表。
.create_sheet 函数中，当 title不写时，创建工作表的名字为sheet1，再建即为sheet2，依此类推。当 index不写时，默认放在最后面；当 index为0，即放在最前面，1即放在第二位，依此类推。如下为index=0的情况：
当我们需要批量创建2023年1月每天的工作表时，可以使用for循环批量生成：
wb.remove(worksheet) 移除工作表，其中worksheet为工作表对象，而非工作表名称。
注意，在创建工作簿的时候就已经自动创建了一个名叫 “Sheet” 的工作表，首字母是大写的。移除工作表时，要先找到工作表对象 wb['Sheet']，再把它放进remove函数中进行移除。
此次创建的工作簿就没有上图的 “Sheet” 表了。
openpyxl.load_workbook(filename, read_only=False, keep_vba=False, data_only=False, guess_types=False, keep_links=True) 读取excel文件。
filename：文件路径。
read_only：只读模式，默认为False。建议大文件都设置为True，可以减少很多内存的耗用而加快速度；还有一种可能就是大文件把内存占用满了会直接报错，设置为True则不会。
keep_vba：默认为False，即不保留vba代码。
data_only：如果True，只有值，不包含公式（不保留公式，把公式最终的值算出来，把值写进去）
guess_types：读取单元格数据类型时，启用或禁用类型推断。
keep_links：如果设置为True，则保留外部链接。
我们可以手动创建一个文件然后用代码去读取，或者直接读取我们上面创建的文件。以下直接读取我们上面创建的 "批量创建1月每天的表.xlsx" 文件去演示 读取工作簿和工作表：
第一行代码为读取文件，其他参数一般默认就好。第二行是获取指定工作表，返回一个对象。第三行输出该工作表的名称。openpyxl总体的操作就是，先读取文件，后选择相应的sheet表，然后在表的基础上进行各种操作。
① wb.worksheets 获取所有工作表，返回一个工作表对象。可以用 .title去提取其名称。
all_sheet 输出了所有的工作表。但该输出为一个对象，想要选择表格需要先提取其名称，才能放入wb[]中，否则会报错。
② wb.sheetnames 获取所有工作表，返回一个工作表名称。
该函数直接返回了所有工作表的名称。
wb.active 获取活跃工作表。活跃工作表即在关闭工作簿的那一刻，当前处于哪个工作表，那活跃工作表就是这个。
如果重新打开改工作簿，把鼠标选择在最后一个工作表，随便点几个单元格，然后保存。那么活跃工作表就是最后一个工作表了。它表示的是文件在关闭前的最后更改的那个工作表。
sheet.title = ? 先获取到该工作表的名称，再=？，以重命名该工作表。
改后，该工作表的名称为：
除了直接改名称，也可以在原来的名称上增加字符，如：
重命名还有更多的操作，待小伙伴自己去研究。
wb.copy_worksheet(worksheet) 复制工作表。其中worksheet为工作表对象，而非工作表名称，工作表对象可用 工作簿[工作表名称] 即 wb['工作表名称'] 获取。
复制文件到最后（似乎只能复制到最后，没有index可以选择）。
获取单元格的有两种方法：① sheet['单元格'].value ② sheet.cell(row,column).value
① sheet['单元格'].value 获取该单元格的值。
② sheet.cell(row, column, value=None) 获取第row行，第column列的单元格。
row：第几行。
column：第几列。
value：默认为None。如果设置了值，则该单元格会被重新赋值为该值。
读取第4行第2列单元格的值为2300。可知，该函数的参数row和column都是从1开始计算的。需要记得，先行后列，不记得的话也可以以传参的形式输入，如：sheet.cell(row=4,column=2).value。
① 当sheet.cell(row, column, value=None)函数传入value参数时，该单元格的值会被改成value的值，从而更改单元格的值。如：
② 直接通过对 sheet.cell(row, column).value 进行赋值。
两种方法都可以更改单元格的值，本人用方法二比较多，具体要看个人习惯。如果需要获取多个单元格的值，可以用 for循环对 row和 column参数进行赋值获得。
如果需要批量写入/修改数据（一小块区域），openpyxl在这方面并不占优势，需要把每个单元格逐一遍历出来，再进行写入/修改，学了下面的遍历/获取一小块区域内容，你就会有灵感如何逐一遍历出来再写入/修改数据了。
再工作中不可能一个一个数据地写入，也为了防止出错，通常以一整行的方式写入。以一整行形式写入需要为一个列表，直接在sheet里append一个列表即可。
需要写入多行就用 for循环，一次一次地把每行写入。
获取小块区域单元格的值由两种方法：① 直接通过[]对一小块区域进行提取。② 通过函数sheet.iter_rows() 或 sheet.iter_cols() 获得。
① 通过[]获得
在讲解之前，我们先看看对于一小块区域，openpyxl是如何逐一提取单元格的值的。
可见，对于一小块区域 sg，openpyxl的[]提取法是先将行遍历出来，再将该行的单元格一个一个按顺序的提取的。如此，我们可以先遍历每行，再遍历该行的每个单元格去获得值：
② sheet.iter_rows(min_row=None, max_row=None, min_col=None, max_col=None, values_only=False)
min_row：最小行。
max_row：最大行。
min_col：最小列。
max_col：最大列。
values_only：默认为False。如果设置为True，那么迭代产生的为值而非对象。
这次我们就不把一个输出为一行了，我们把（表格的）一行输出为（屏幕的）一行。
输出结果为一个对象，此时如果需要得到值，可直接用列表生成式 或者 一个个再次遍历出来，取 .title即可。而当我们设置 values_only为True时，输出结果为值。
③ sheet.iter_cols(min_col=None, max_col=None, min_row=None, max_row=None, values_only=False)
min_col：最小列。
max_col：最大列。
min_row：最小行。
max_row：最大行。
values_only：默认为False。如果设置为True，那么迭代产生的为值而非对象。
该函数的参数和上一个没有区别，意思也是一样，但是就是参数的位置不同。sheet.iter_rows各参数的顺序是最小行、最大行、最小列、最大列；而 sheet.iter_cols各参数的顺序是最小列、最大列、最小行、最大行。一句话，就是iter_rows先行后列，iter_cols先列后行。这个对于位置传参是非常重要的，而对于关键字传参没有影响，需要注意。
我们说过，sheet.iter_cols为先列后行，所以是提取2-6列 3-5行的内容。
如果你的和我的不一样，那么很有可能你的openpyxl库不是最新的。
sheet.min_row：获取最小行。
sheet.max_row：获取最大行。
sheet.min_column：获取最小列。
sheet.max_column：获取最大列。
获取到最小最大行列后可以更方便地对区域进行迭代。如第十一的获取一小块内容，在不知道最大行列的时候，需要取到最大行的情况，就需要用到了。下面举一个例子，获取第3行以后的行 第5列以后的列组成的区域：
sheet.values 获取sheet表中所有值，返回的是一个可迭代对象。如果需要得到值，可对该可迭代对象进行列表化处理 list(sheet.values)。
返回的数据依旧是以行存储的，即每一行作为一个整体元素存于列表中。这意味着可以切片去取对应的行，如取第2-4行：
sheet.insert_rows(idx, amount=1)：插入几行。
sheet.insert_cols(idx, amount=1)：插入几列。
sheet.delete_rows(idx, amount=1)：删除几行。
sheet.delete_cols(idx, amount=1)：删除几列。
① 插入行
在第3行处插入2行，插入后第3行开始（而不是第4行）为插入的数据。插入列为同样的操作，这里就不演示了。
② 删除行。
可见，第3、4行已经被删除（看最左边的序号，而不是看rank列）。删除列也是同样操作。
sheet.freeze_panes = '单元格'
冻结了E5后，当页面左右上下滑动时，A、B、C、D列以及1、2、3、4行都不会动，方便观看表头等。
至于如何解冻，小编也想到过这个问题，但是没有找到答案（找到有的说冻结填A1的，或者填None的，但是我试过不太行，因为打开文件会出现提示需要修复文件之类的），等到小编找到答案后，再修改文章，和大家分享！也希望知道如何解冻的小伙伴在下方留言，帮助到更多的人。
sheet.move_range(cell_range, rows=0, cols=0, translate=False)
cell_range：单元格区域。
rows：要向某方向移动多少行，正数向下，负数向上。
cols：要向某方向移动多少列，正数向右，负数向左。
translate：翻译公式，移动中包含公式引用的自动转换。
可全程只看左上角的单元格，如把D2移到了A7，就是向左移动了3列，向下移动了5行。移动超出范围会报错。
如果没有替换到单元格，那么很有可能是你的openpyxl库不是最新的。
sheet.merge_cells(range_string=None, start_row=None, start_column=None, end_row=None, end_column=None)
range_string：要合并的单元格的范围。
start_row：左上角单元格的行。
start_column：左上角单元格的列。
end_row：右下角单元格的行。
end_column：右下角单元格的列。
写入公式是直接在''或者""中写公式即可。至于代码中有两行都可以，如果不行，试试另一行，按道理结果是一样的（目前两行的结果都一样，没遇到过不行的）。公式单元格的读取也和普通单元格一样，具体查看第九点获取单元格的值。
写入公式也挺有趣的一个函数，如用于求和的 "=sum(A1:B1)" 等，更多功能自己去思考产生，一个功能的诞生并不是只为了解决一个问题的，而是经过灵活运用去解决很多问题。
说到这里，想到了前面第四点读取excel的一个点：data_only。如果读取excel时假如了该参数，那么原来excel里含有的公式都不是公式了，变成了一个值。如上面的L2单元格，原本意义是 "=D2&E2" ，但设置了data_only的读取模式后，它就只是 "钟睒睒先生"几个字，不再是一个公式了。
这里我们的sheet表的L2单元格的没有东西的。输出L2的值及格式如下：
这个NoneType格式是python内置的空值的格式，并非字符串。所以我们可以通过判断单元格的值是否为None来判断这个单元格是否是缺值的。
注意这个None，用于python内置缺失值的含义时是不需要加""的，如果加了，那就是判断该单元格是不是一个字符串了，如M2：
name：字体名称。
size：字体大小。
color：颜色。
bold：加粗。
italic：斜体。
underline：下划线。
用得最多的是这6个字体属性，其他如果生活中需要的话可以网上马上搜，很快的，比在我文章里找快。
给 font属性赋值 font对象即可。如下，对A1单元格的字体格式进行更改：
Alignment(horizontal=None, vertical=None, textRotation=0, wrapText=None, shrinkToFit=None, indent=0, relativeIndent=0, justifyLastLine=None, readingOrder=0, text_rotation=None, wrap_text=None, shrink_to_fit=None, mergeCell=None)
horizontal：横向（左右）对齐方式。可选参数 'left' , 'centerContinuous' , 'center' , 'distributed' , 'right' , 'fill' , 'general' , 'justify'。
vertical：竖向（上下）对齐方式。可选参数 'bottom' , 'center' , 'distributed' , 'top' , 'justify'。
同样，知道这两个就可以了，其他需要的再搜。可以这样记：h是 "横" 的首字母，横向；v像一个山沟，很深，竖向。
D1单元格已经被左对齐。
如果想要对所有行或者列进行设置行高列宽，可以使用for循环，加上前面所以学的最大最小行列的获取等知识，综合运用，做出让自己满意的表格。
关闭文件可以释放内存，加快下个文件的运行时间。如把一个sheet表按照班级拆分成多个excel文件时，每完成一个班级文件就关闭，不会拖延下一个文件的写入速度。
本篇开头说过openpyxl 的优缺点，也和pandas作了对比，各有春秋。pandas更偏向于大数据的批量处理以及数据分析、机器学习等，在pandas导出到excel之前，无法对excel 的格式进行设置，必须先导出为文件，再用openpyxl 去调格式。
不知各位小伙伴有没有试过需要把一整列数据区进行处理，如改格式，+某个数，条件+值等呢，此类操作对于openpyxl来说太复杂，如果用pandas进行处理，可能就几行代码。对于一个sheet拆分成多个sheet时，openpyxl也是麻烦透顶，先全部遍历，把它们全部录入字典，再一一取值创建sheet，太麻烦啦，一顿操作下来几十行代码，但是对于pandas来说，可能都不用10行代码就完成了。