Pandas操作Excel使用手册大全：从基础到精通
在数据分析和处理中，Excel文件是最常见的数据格式之一。Pandas作为Python最强大的数据处理库，提供了丰富的Excel操作功能。本手册将全面介绍Pandas操作Excel的各种技巧，从基础读写到高级格式化，助你成为Excel数据处理专家。
目录
1. 基础环境配置
必要库安装
# 基础库
pip install pandas
# Excel处理引擎
pip install openpyxl # 支持.xlsx文件读写
pip install xlsxwriter # 支持高级格式化功能
pip install xlrd # 支持旧版.xls文件读取（可选）
导入库
import pandas as pd
import numpy as np
from datetime import datetime, date
# 可选：样式相关
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Border, Alignment
from openpyxl.utils.dataframe import dataframe_to_rows
2. Excel文件读取
2.1 基础读取
# 读取Excel文件
df = pd.read_excel('data.xlsx')
# 读取指定工作表
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')
# 读取多个工作表
dfs = pd.read_excel('data.xlsx', sheet_name=['Sheet1', 'Sheet2'])
# 读取所有工作表
dfs = pd.read_excel('data.xlsx', sheet_name=None) # 返回字典
2.2 高级读取选项
# 指定读取范围
df = pd.read_excel('data.xlsx', usecols='A:C') # 读取A到C列
df = pd.read_excel('data.xlsx', usecols=[0, 2, 4]) # 读取指定列索引
df = pd.read_excel('data.xlsx', nrows=100) # 只读取前100行
df = pd.read_excel('data.xlsx', skiprows=3) # 跳过前3行
# 指定索引列
df = pd.read_excel('data.xlsx', index_col=0) # 第一列作为索引
df = pd.read_excel('data.xlsx', index_col='ID') # 指定列名作为索引
# 处理缺失值
df = pd.read_excel('data.xlsx', na_values=['NA', 'N/A', 'null'])
# 指定数据类型
df = pd.read_excel('data.xlsx', dtype={'列名': str, '数值列': float})
# 解析日期列
df = pd.read_excel('data.xlsx', parse_dates=['日期列'])
df = pd.read_excel('data.xlsx', parse_dates={'日期时间': ['日期列', '时间列']})
2.3 不同引擎对比
# openpyxl引擎（默认，功能全面）
df = pd.read_excel('data.xlsx', engine='openpyxl')
# xlrd引擎（适合旧版.xls文件）
df = pd.read_excel('data.xls', engine='xlrd')
# odf引擎（支持.ods文件）
df = pd.read_excel('data.ods', engine='odf')
3. Excel文件写入
3.1 基础写入
# 基础写入
df.to_excel('output.xlsx', index=False)
# 写入指定工作表
df.to_excel('output.xlsx', sheet_name='数据表', index=False)
# 不写入列名
df.to_excel('output.xlsx', header=False, index=False)
# 追加模式（需要openpyxl引擎）
with pd.ExcelWriter('output.xlsx', mode='a', engine='openpyxl') as writer:
df.to_excel(writer, sheet_name='新工作表', index=False)
3.2 使用ExcelWriter
# 创建ExcelWriter对象
with pd.ExcelWriter('output.xlsx', engine='openpyxl') as writer:
df1.to_excel(writer, sheet_name='数据1', index=False)
df2.to_excel(writer, sheet_name='数据2', index=False)
df3.to_excel(writer, sheet_name='数据3', index=False)
# 使用xlsxwriter引擎（支持更多格式化选项）
with pd.ExcelWriter('output.xlsx', engine='xlsxwriter') as writer:
df.to_excel(writer, sheet_name='数据', index=False)
# 获取工作簿和工作表对象
workbook = writer.book
worksheet = writer.sheets['数据']
# 设置列宽
worksheet.set_column('A:C', 20)
# 添加格式
header_format = workbook.add_format({
'bold': True,
'text_wrap': True,
'valign': 'top',
'fg_color': '#D7E4BD',
'border': 1
})
# 应用表头格式
for col_num, value in enumerate(df.columns.values):
worksheet.write(0, col_num, value, header_format)
4. 多工作表操作
4.1 读取多工作表
# 方法1：读取所有工作表
all_sheets = pd.read_excel('data.xlsx', sheet_name=None)
for sheet_name, df in all_sheets.items():
print(f"工作表: {sheet_name}")
print(df.head())
# 方法2：读取指定工作表列表
sheets = ['销售数据', '库存数据', '客户数据']
dfs = pd.read_excel('data.xlsx', sheet_name=sheets)
# 访问特定工作表
sales_df = dfs['销售数据']
inventory_df = dfs['库存数据']
4.2 写入多工作表
# 创建多个工作表
with pd.ExcelWriter('report.xlsx', engine='openpyxl') as writer:
# 写入不同数据到不同工作表
sales_df.to_excel(writer, sheet_name='销售报表', index=False)
inventory_df.to_excel(writer, sheet_name='库存报表', index=False)
customer_df.to_excel(writer, sheet_name='客户信息', index=False)
# 写入汇总数据
summary_df.to_excel(writer, sheet_name='汇总统计', index=False)
# 添加工作表到现有文件
with pd.ExcelWriter('existing.xlsx', mode='a', engine='openpyxl',
if_sheet_exists='replace') as writer:
new_df.to_excel(writer, sheet_name='新数据', index=False)
5. 数据格式化与样式
5.1 使用Styler进行样式设置
# 创建样式化数据框
def highlight_max(s):
is_max = s == s.max()
return ['background-color: yellow' if v else '' for v in is_max]
def color_negative_red(val):
color = 'red' if val < 0 else 'black'
return f'color: {color}'
# 应用样式
styled_df = df.style.applymap(color_negative_red, subset=['数值列'])
styled_df = styled_df.apply(highlight_max, subset=['数值列'])
# 导出带样式的Excel
styled_df.to_excel('styled_output.xlsx', engine='openpyxl', index=False)
5.2 使用xlsxwriter进行高级格式化
# 使用xlsxwriter进行高级格式化
with pd.ExcelWriter('formatted_report.xlsx', engine='xlsxwriter') as writer:
df.to_excel(writer, sheet_name='数据', index=False)
# 获取工作簿和工作表
workbook = writer.book
worksheet = writer.sheets['数据']
# 定义格式
header_format = workbook.add_format({
'bold': True,
'text_wrap': True,
'valign': 'top',
'fg_color': '#4F81BD',
'font_color': 'white',
'border': 1
})
money_format = workbook.add_format({'num_format': '￥#,##0.00'})
date_format = workbook.add_format({'num_format': 'yyyy-mm-dd'})
percent_format = workbook.add_format({'num_format': '0.00%'})
# 获取数据维度
max_row, max_col = df.shape
# 应用表头格式
for col_num, value in enumerate(df.columns.values):
worksheet.write(0, col_num, value, header_format)
# 设置列宽和格式
worksheet.set_column('A:A', 15) # 设置A列宽度
worksheet.set_column('B:B', 12, date_format) # B列使用日期格式
worksheet.set_column('C:C', 15, money_format) # C列使用货币格式
worksheet.set_column('D:D', 10, percent_format) # D列使用百分比格式
# 添加条件格式
worksheet.conditional_format(1, 2, max_row, 2, { # C列
'type': '3_color_scale',
'min_color': '#F8696B',
'mid_color': '#FFEB9C',
'max_color': '#63BE7B'
})
# 添加数据条
worksheet.conditional_format(1, 3, max_row, 3, { # D列
'type': 'data_bar',
'bar_color': '#63C384'
})
5.3 使用openpyxl进行单元格样式设置
from openpyxl.styles import Font, PatternFill, Border, Side, Alignment
from openpyxl.utils.dataframe import dataframe_to_rows
# 创建工作簿和工作表
wb = Workbook()
ws = wb.active
ws.title = "样式示例"
# 添加数据到工作表
for r in dataframe_to_rows(df, index=False, header=True):
ws.append(r)
# 定义样式
header_font = Font(bold=True, color="FFFFFF")
header_fill = PatternFill(start_color="4F81BD", end_color="4F81BD", fill_type="solid")
border = Border(left=Side(style='thin'), right=Side(style='thin'),
top=Side(style='thin'), bottom=Side(style='thin'))
center_alignment = Alignment(horizontal='center', vertical='center')
# 应用表头样式
for cell in ws[1]:
cell.font = header_font
cell.fill = header_fill
cell.border = border
cell.alignment = center_alignment
# 设置列宽
for column in ws.columns:
max_length = 0
column_letter = column[0].column_letter
for cell in column:
try:
if len(str(cell.value)) > max_length:
max_length = len(str(cell.value))
except:
pass
adjusted_width = min(max_length + 2, 50)
ws.column_dimensions[column_letter].width = adjusted_width
# 保存文件
wb.save('styled_with_openpyxl.xlsx')
6. 高级功能
6.1 添加图表
import xlsxwriter
# 创建带图表的Excel文件
with pd.ExcelWriter('chart_report.xlsx', engine='xlsxwriter') as writer:
df.to_excel(writer, sheet_name='数据', index=False)
workbook = writer.book
worksheet = writer.sheets['数据']
# 创建图表
chart = workbook.add_chart({'type': 'column'})
# 配置图表数据
max_row = len(df) + 1
chart.add_series({
'name': ['数据', 0, 1], # 系列名称
'categories': ['数据', 1, 0, max_row, 0], # X轴标签
'values': ['数据', 1, 1, max_row, 1], # Y轴数据
})
# 设置图表标题和轴标签
chart.set_title({'name': '销售数据分析'})
chart.set_x_axis({'name': '月份'})
chart.set_y_axis({'name': '销售额'})
# 插入图表
worksheet.insert_chart('E2', chart)
6.2 数据透视表
# 创建数据透视表
pivot_table = pd.pivot_table(df,
values=['销售额', '数量'],
index=['地区'],
columns=['产品类别'],
aggfunc={'销售额': np.sum, '数量': np.mean},
fill_value=0)
# 写入数据透视表
with pd.ExcelWriter('pivot_report.xlsx', engine='openpyxl') as writer:
# 写入原始数据
df.to_excel(writer, sheet_name='原始数据', index=False)
# 写入数据透视表
pivot_table.to_excel(writer, sheet_name='数据透视表')
6.3 公式和计算
# 使用xlsxwriter添加公式
with pd.ExcelWriter('formula_report.xlsx', engine='xlsxwriter') as writer:
df.to_excel(writer, sheet_name='数据', index=False)
workbook = writer.book
worksheet = writer.sheets['数据']
# 添加公式
max_row = len(df) + 1
worksheet.write(max_row, 1, '总计:', workbook.add_format({'bold': True}))
worksheet.write(max_row, 2, f'=SUM(C2:C{max_row-1})')
worksheet.write(max_row, 3, f'=SUM(D2:D{max_row-1})')
# 添加平均值
worksheet.write(max_row + 1, 1, '平均值:', workbook.add_format({'bold': True}))
worksheet.write(max_row + 1, 2, f'=AVERAGE(C2:C{max_row-1})')
worksheet.write(max_row + 1, 3, f'=AVERAGE(D2:D{max_row-1})')
7. 性能优化
7.1 大数据量处理
# 分批读取大文件
chunk_size = 10000
chunks = []
for chunk in pd.read_excel('large_file.xlsx', chunksize=chunk_size):
# 处理每个chunk
processed_chunk = chunk[chunk['销售额'] > 1000] # 示例处理
chunks.append(processed_chunk)
# 合并所有chunks
final_df = pd.concat(chunks, ignore_index=True)
# 写入文件（使用更快的引擎）
with pd.ExcelWriter('processed_large.xlsx', engine='xlsxwriter') as writer:
final_df.to_excel(writer, sheet_name='处理结果', index=False)
7.2 内存优化
# 指定数据类型减少内存使用
dtype_dict = {
'整数列': 'int32',
'浮点列': 'float32',
'字符串列': 'category',
'日期列': 'datetime64[ns]'
}
df = pd.read_excel('data.xlsx', dtype=dtype_dict)
# 只读取需要的列
use_cols = ['需要的列1', '需要的列2', '需要的列3']
df = pd.read_excel('data.xlsx', usecols=use_cols)
7.3 并行处理
import concurrent.futures
import pandas as pd
def process_sheet(sheet_name):
"""处理单个工作表"""
df = pd.read_excel('multi_sheet_file.xlsx', sheet_name=sheet_name)
# 进行处理...
return sheet_name, df
# 并行处理多个工作表
sheet_names = ['Sheet1', 'Sheet2', 'Sheet3', 'Sheet4']
results = {}
with concurrent.futures.ThreadPoolExecutor(max_workers=4) as executor:
futures = [executor.submit(process_sheet, sheet) for sheet in sheet_names]
for future in concurrent.futures.as_completed(futures):
sheet_name, processed_df = future.result()
results[sheet_name] = processed_df
# 写入结果
with pd.ExcelWriter('parallel_processed.xlsx', engine='openpyxl') as writer:
for sheet_name, df in results.items():
df.to_excel(writer, sheet_name=sheet_name, index=False)
8. 常见问题解决
8.1 编码问题
# 处理中文编码问题
try:
df = pd.read_excel('chinese_file.xlsx', encoding='utf-8')
except UnicodeDecodeError:
df = pd.read_excel('chinese_file.xlsx', encoding='gbk')
# 或者让pandas自动检测编码
df = pd.read_excel('file.xlsx')
8.2 数据类型问题
# 处理混合数据类型
df = pd.read_excel('mixed_types.xlsx', dtype=str) # 全部读取为字符串
# 指定列的数据类型
dtype_dict = {'ID': str, '日期': str, '数值': float}
df = pd.read_excel('file.xlsx', dtype=dtype_dict)
# 处理日期时间
df = pd.read_excel('file.xlsx', parse_dates=['日期列'])
8.3 内存不足问题
# 分批处理大文件
chunk_size = 5000
result_chunks = []
for chunk in pd.read_excel('large_file.xlsx', chunksize=chunk_size):
# 处理chunk
processed = chunk.groupby('类别').sum()
result_chunks.append(processed)
# 合并结果
final_result = pd.concat(result_chunks).groupby(level=0).sum()
8.4 文件锁定问题
# 确保正确关闭文件
try:
with pd.ExcelWriter('output.xlsx', engine='openpyxl') as writer:
df.to_excel(writer, sheet_name='数据', index=False)
# 其他操作...
except Exception as e:
print(f"错误: {e}")
finally:
# 确保文件被正确关闭
pass
9. 实战案例
9.1 销售数据报表生成
import pandas as pd
import numpy as np
from datetime import datetime, timedelta
# 生成示例数据
np.random.seed(42)
dates = pd.date_range(start='2024-01-01', end='2024-12-31', freq='D')
regions = ['华北', '华东', '华南', '西南', '西北']
products = ['产品A', '产品B', '产品C', '产品D', '产品E']
# 创建销售数据
data = []
for date in dates:
for region in regions:
for product in products:
sales = np.random.randint(100, 1000)
quantity = np.random.randint(10, 100)
data.append({
'日期': date,
'地区': region,
'产品': product,
'销售额': sales,
'数量': quantity
})
sales_df = pd.DataFrame(data)
# 生成销售报表
def generate_sales_report(df, output_file='sales_report.xlsx'):
with pd.ExcelWriter(output_file, engine='xlsxwriter') as writer:
workbook = writer.book
# 原始数据
df.to_excel(writer, sheet_name='原始数据', index=False)
# 月度汇总
monthly_summary = df.groupby([df['日期'].dt.to_period('M'), '地区']).agg({
'销售额': 'sum',
'数量': 'sum'
}).reset_index()
monthly_summary['日期'] = monthly_summary['日期'].astype(str)
monthly_summary.to_excel(writer, sheet_name='月度汇总', index=False)
# 产品分析
product_analysis = df.groupby('产品').agg({
'销售额': ['sum', 'mean', 'std'],
'数量': ['sum', 'mean', 'std']
}).round(2)
product_analysis.to_excel(writer, sheet_name='产品分析')
# 地区分析
region_analysis = df.groupby('地区').agg({
'销售额': 'sum',
'数量': 'sum'
}).reset_index()
region_analysis.to_excel(writer, sheet_name='地区分析', index=False)
# 格式化工作表
for sheet_name in ['月度汇总', '地区分析']:
worksheet = writer.sheets[sheet_name]
# 设置列宽
worksheet.set_column('A:A', 15)
worksheet.set_column('B:E', 12)
# 添加货币格式
money_format = workbook.add_format({'num_format': '￥#,##0.00'})
worksheet.set_column('C:C', 12, money_format)
# 添加数据条
max_row = len(worksheet.tables.get(sheet_name, [])) + 1
worksheet.conditional_format(1, 2, max_row, 2, {
'type': 'data_bar',
'bar_color': '#63C384'
})
# 生成报表
generate_sales_report(sales_df)
print("销售报表生成完成！")
9.2 财务报表自动化
def generate_financial_report(transactions_df, output_file='financial_report.xlsx'):
"""生成财务报表"""
with pd.ExcelWriter(output_file, engine='xlsxwriter') as writer:
workbook = writer.book
# 1. 原始交易数据
transactions_df.to_excel(writer, sheet_name='交易明细', index=False)
# 2. 月度收支汇总
monthly_cashflow = transactions_df.groupby([
transactions_df['日期'].dt.to_period('M'),
'类别'
])['金额'].sum().unstack(fill_value=0)
monthly_cashflow.to_excel(writer, sheet_name='月度收支')
# 3. 资产负债表
balance_sheet = transactions_df.groupby('账户').agg({
'金额': 'sum'
}).reset_index()
balance_sheet.to_excel(writer, sheet_name='资产负债表', index=False)
# 4. 收支趋势
daily_trend = transactions_df.groupby(transactions_df['日期'].dt.date)['金额'].sum()
daily_trend.to_excel(writer, sheet_name='收支趋势')
# 格式化
formats = {
'货币': workbook.add_format({'num_format': '￥#,##0.00'}),
'百分比': workbook.add_format({'num_format': '0.00%'}),
'日期': workbook.add_format({'num_format': 'yyyy-mm-dd'}),
'表头': workbook.add_format({
'bold': True,
'fg_color': '#4F81BD',
'font_color': 'white'
})
}
# 应用格式到各个工作表
for sheet_name in writer.sheets:
worksheet = writer.sheets[sheet_name]
# 设置列宽
worksheet.set_column('A:Z', 15)
# 应用货币格式到金额列
if sheet_name == '交易明细':
worksheet.set_column('C:C', 15, formats['货币'])
worksheet.set_column('A:A', 12, formats['日期'])
elif sheet_name == '资产负债表':
worksheet.set_column('B:B', 15, formats['货币'])
# 生成示例财务数据
np.random.seed(42)
dates = pd.date_range('2024-01-01', '2024-12-31', freq='D')
categories = ['工资', '餐饮', '交通', '购物', '娱乐', '医疗', '教育', '其他']
accounts = ['现金', '银行卡', '信用卡', '支付宝', '微信']
financial_data = []
for date in dates[:500]: # 生成500条记录
amount = np.random.randint(-500, 2000)
category = np.random.choice(categories)
account = np.random.choice(accounts)
description = f'{category}支出' if amount < 0 else f'{category}收入'
financial_data.append({
'日期': date,
'描述': description,
'金额': amount,
'类别': category,
'账户': account
})
financial_df = pd.DataFrame(financial_data)
# 生成财务报告
generate_financial_report(financial_df)
print("财务报表生成完成！")
9.3 数据清洗和验证
def clean_and_validate_excel(input_file, output_file='cleaned_data.xlsx'):
"""清洗和验证Excel数据"""
# 读取数据
df = pd.read_excel(input_file)
# 数据清洗
print("开始数据清洗...")
# 1. 删除空行
initial_rows = len(df)
df = df.dropna(how='all')
print(f"删除空行: {initial_rows - len(df)} 行")
# 2. 处理重复数据
duplicates = df.duplicated().sum()
df = df.drop_duplicates()
print(f"删除重复数据: {duplicates} 行")
# 3. 处理缺失值
missing_before = df.isnull().sum().sum()
# 数值列用中位数填充
numeric_columns = df.select_dtypes(include=[np.number]).columns
for col in numeric_columns:
df[col].fillna(df[col].median(), inplace=True)
# 字符串列用众数填充
string_columns = df.select_dtypes(include=['object']).columns
for col in string_columns:
if not df[col].mode().empty:
df[col].fillna(df[col].mode()[0], inplace=True)
missing_after = df.isnull().sum().sum()
print(f"处理缺失值: {missing_before - missing_after} 个")
# 4. 数据类型转换
# 尝试将合适的列转换为数值类型
for col in df.columns:
if df[col].dtype == 'object':
try:
# 尝试转换为数值
df[col] = pd.to_numeric(df[col], errors='ignore')
except:
pass
# 尝试转换为日期
if '日期' in col or '时间' in col or 'date' in col.lower():
try:
df[col] = pd.to_datetime(df[col], errors='ignore')
except:
pass
# 5. 数据验证
validation_results = {}
# 数值范围验证
for col in numeric_columns:
if col in df.columns:
min_val = df[col].min()
max_val = df[col].max()
validation_results[col] = {
'最小值': min_val,
'最大值': max_val,
'异常值数量': ((df[col] < 0) | (df[col] > 1000000)).sum()
}
# 字符串长度验证
for col in string_columns:
if col in df.columns:
max_length = df[col].astype(str).str.len().max()
validation_results[col] = {
'最大长度': max_length,
'空字符串数量': (df[col] == '').sum()
}
print("数据验证完成")
# 生成清洗报告
with pd.ExcelWriter(output_file, engine='xlsxwriter') as writer:
# 清洗后的数据
df.to_excel(writer, sheet_name='清洗后数据', index=False)
# 数据质量报告
quality_report = pd.DataFrame({
'指标': ['总行数', '总列数', '重复行数', '缺失值总数', '数值列数', '字符串列数'],
'数值': [len(df), len(df.columns), duplicates, missing_after,
len(numeric_columns), len(string_columns)]
})
quality_report.to_excel(writer, sheet_name='数据质量报告', index=False)
# 验证结果
if validation_results:
validation_df = pd.DataFrame.from_dict(validation_results, orient='index')
validation_df.to_excel(writer, sheet_name='验证结果')
# 格式化
workbook = writer.book
# 设置数据格式
data_worksheet = writer.sheets['清洗后数据']
data_worksheet.set_column('A:Z', 15)
# 设置报告格式
report_worksheet = writer.sheets['数据质量报告']
report_worksheet.set_column('A:B', 20)
# 添加条件格式
if len(df) > 0:
# 为数值列添加颜色刻度
for col_num, col_name in enumerate(df.columns):
if col_name in numeric_columns:
data_worksheet.conditional_format(1, col_num, len(df), col_num, {
'type': '3_color_scale',
'min_color': '#F8696B',
'mid_color': '#FFEB9C',
'max_color': '#63BE7B'
})
print(f"清洗完成！输出文件: {output_file}")
return df
# 生成示例脏数据用于测试
def create_dirty_data():
"""创建包含各种数据质量问题的示例数据"""
np.random.seed(42)
data = []
for i in range(100):
# 故意制造一些数据质量问题
# 空值
if i % 10 == 0:
name = None
else:
name = f'产品{i}'
# 重复数据
if i % 15 == 0:
name = '产品1' # 重复名称
# 异常数值
price = np.random.randint(10, 1000)
if i % 20 == 0:
price = -999 # 异常负值
elif i % 25 == 0:
price = 999999 # 异常大值
# 格式不一致的日期
if i % 12 == 0:
date = '2024-13-45' # 无效日期
else:
date = pd.Timestamp('2024-01-01') + pd.Timedelta(days=i)
# 空字符串
category = '' if i % 8 == 0 else f'类别{i % 5}'
data.append({
'ID': i if i % 5 != 0 else None, # 空ID
'名称': name,
'价格': price,
'日期': date,
'类别': category,
'数量': np.random.randint(1, 100) if i % 7 != 0 else None
})
# 添加完全重复的行
data.extend(data[:5])
return pd.DataFrame(data)
# 创建脏数据
dirty_df = create_dirty_data()
dirty_df.to_excel('dirty_data.xlsx', index=False)
print("脏数据文件创建完成: dirty_data.xlsx")
# 清洗数据
cleaned_df = clean_and_validate_excel('dirty_data.xlsx')
print("数据清洗完成！")
总结
本手册涵盖了Pandas操作Excel的方方面面，从基础读写到高级格式化，从性能优化到实际应用。掌握这些技能将大大提升你的数据处理效率。
最佳实践建议：
-
选择合适的引擎：
- openpyxl：通用性强，支持读写
- xlsxwriter：格式化功能强大，只支持写入
- xlrd：适合处理旧版.xls文件
-
注意性能优化：
- 使用chunksize处理大文件
- 指定合适的数据类型
- 只读取需要的列
-
数据质量保证：
- 处理缺失值和异常值
- 验证数据类型和格式
- 添加数据清洗步骤
-
格式化技巧：
- 使用条件格式突出重点数据
- 合理设置列宽和行高
- 添加图表增强可视化效果
希望这份手册能帮助你在数据处理工作中更加得心应手！
参考资料：
- Pandas官方文档: https://pandas.pydata.org/docs/
- XlsxWriter文档: https://xlsxwriter.readthedocs.io/
- OpenPyXL文档: https://openpyxl.readthedocs.io/