在日常工作和学习中，我们经常需要处理Excel文件（.xlsx），Python提供了强大的库如pandas和openpyxl，让我们能够轻松地进行数据分析、处理和自动化操作。本文将分享10个使用Python编写的Excel自动化脚本，以帮助新手小白快速上手。

1. 读取Excel文件

import pandas as pd

# 读取Excel文件

def read_excel(file_path):

    df = pd.read_excel(file_path)

    return df

data = read_excel('example.xlsx')

print(data.head())  # 打印前5行数据解释

该脚本使用pandas库读取Excel文件并打印出前五行数据。这是任何数据分析任务的第一步，对于程序员来说，学会如何加载数据是非常重要的；而对于普通用户，如在工作中查看报表，这种方法也很实用。

2. 写入数据到Excel文件

# 将数据写入新的Excel文件

def write_to_excel(data, output_file):

    df = pd.DataFrame(data)

    df.to_excel(output_file, index=False)

data_to_write = {

    '姓名': ['张三', '李四', '王五'],

    '成绩': [85, 90, 78]

}

write_to_excel(data_to_write, 'output.xlsx')

print("数据写入成功！")解释

这个脚本将一个字典数据写入到新的Excel文件中。在实际应用中，当你需要将计算结果或汇总数据保存为报告时，这个功能非常有用。

3. 数据筛选

# 根据条件筛选数据

def filter_data(df, column_name, condition):

    filtered_df = df[df[column_name] > condition]

    return filtered_df

data = read_excel('example.xlsx')

filtered_data = filter_data(data, '成绩', 80)

print("筛选后的数据：")

print(filtered_data)解释

该脚本从Excel文件中筛选出“成绩”大于80的记录。这在分析数据时非常常见，比如想要找出表现优异的学生名单。

4. 数据合并

# 合并多个Excel文件

def merge_excel(files, output_file):

    dfs = [pd.read_excel(file) for file in files]

    merged_df = pd.concat(dfs, ignore_index=True)

    merged_df.to_excel(output_file, index=False)

merge_excel(['file1.xlsx', 'file2.xlsx'], 'merged_output.xlsx')

print("文件合并成功！")解释

此脚本合并多个Excel文件的数据到一个新的文件中。这在汇总不同部门的报告时尤其方便，可以快速整合信息。

5. 删除重复项

# 删除Excel中的重复行

def remove_duplicates(df):

    return df.drop_duplicates()

data = read_excel('example.xlsx')

cleaned_data = remove_duplicates(data)

cleaned_data.to_excel('cleaned_output.xlsx', index=False)

print("已删除重复项，结果保存成功！")解释

该脚本从Excel数据中删除重复的行。对于维护数据的完整性和准确性来说，这是一个非常重要的步骤，常用于清理数据集。

6. 统计数据

# 统计某列的平均值

def calculate_average(df, column_name):

    return df[column_name].mean()

data = read_excel('example.xlsx')

average_score = calculate_average(data, '成绩')

print(f"成绩的平均值是: {average_score}")解释

这个脚本计算Excel文件中“成绩”列的平均值。进行数据分析时，获取基本统计信息是必要的，无论是开发者还是普通用户都需要了解整体趋势。