企业官网建设流程全解析

简介：这份资源面向需要处理表格数据的Python学习者与开发者，聚焦Excel文件的读取与写入这一常见任务，帮助解决数据分析、数据清洗与自动化报告中的表格操作问题。压缩包共4个文件，全部为py脚本，整体约6KB，涵盖读取、按条件筛选、写入以及读写结合等不同操作示例，便于按需查阅与直接运行。内容围绕pandas与openpyxl两个常用库展开：pandas部分演示read_excel读取、条件筛选及to_excel写入，openpyxl部分则涉及工作簿加载、单元格遍历与新建保存，可帮助读者理解两种方案在简单表格与复杂格式场景下的差异。目前已有702人学习，适合希望快速上手Excel自动化处理、积累脚本模板的初中级Python使用者参考。

1. 用 Python 读取 Excel 并写入 zip：一个被低估的自动化刚需

财务同事每周五下午都要把 12 个区域的销售明细表汇总，再打包成一个压缩包发给总部。手动操作是：打开每个 xlsx，复制粘贴到总表，另存为，右键压缩。一套流程 40 分钟，错一个单元格就得重来。这种场景下，用 Python 读取 Excel 并写入 zip 不是炫技，而是把重复劳动压缩成一条命令的刚需。

这个标题拆开看是两件事：读 Excel（pandas/openpyxl 负责）和写 zip（标准库 zipfile 负责）。难点不在单个库怎么用，而在两者衔接时的内存管理、路径处理和编码问题。适合有基础 Python 语法、日常要处理报表打包的运营、财务、数据分析从业者。下面按「读进来 → 处理好 → 压出去」的链路，把每一步的参数和坑讲透。

2. 读取 Excel 的三种姿势：pandas、openpyxl 与 calamine 怎么选

2.1 先搞清楚你的 Excel 到底长什么样

选库之前，先确认三件事：文件是 .xlsx 还是 .xls、有没有合并单元格、单表数据量多大。.xls 是旧二进制格式，pandas 需要 xlrd 才能读，而新版 xlrd 已经放弃了对 xlsx 的支持，这个历史包袱经常让人翻车。合并单元格在 pandas 里读出来是 NaN，需要额外填充。数据量超过 10 万行时，pandas 默认的全量加载会吃掉大量内存。

我一般先用一条命令探底：

python -c "import pandas as pd; df = pd.read_excel('sample.xlsx', nrows=5); print(df.shape); print(df.columns.tolist())"

nrows=5只读前 5 行，快速看列名和结构，避免大文件全量加载。df.columns.tolist()打印列名列表，确认表头在第几行——很多报表前两行是标题和空行，直接读会把标题当列名。

2.2 pandas 读取的核心参数与适用边界

pandas 的read_excel是最省事的选择，适合结构规整、单表不超过几十万行的场景。关键参数有四个：

import pandas as pd df = pd.read_excel( "sales_2024.xlsx", sheet_name="Sheet1", # 指定工作表，None 表示读全部 header=0, # 表头所在行，从 0 开始计数 usecols="A:F", # 只读 A 到 F 列，减少内存 dtype={"订单号": str}, # 强制订单号为字符串，防止前导零丢失 engine="openpyxl" # 显式指定引擎 ) print(df.head())

sheet_name传字符串读单表，传None返回一个字典，键是表名、值是 DataFrame，适合批量处理多 sheet。usecols用列字母或列名列表限定范围，能显著降低内存。dtype是血泪经验：订单号、身份证号这类字段如果被 pandas 推断成整数，前导零会消失，必须显式声明为 str。engine在 xlsx 场景下用 openpyxl，xls 场景用 xlrd，不指定时 pandas 会自动选，但自动选偶尔会选错。

读进来的 DataFrame 可以直接做筛选、合并、计算，处理完再决定怎么写出去。

2.3 openpyxl 直接操作单元格：需要保留格式时的选择

pandas 读进来的是纯数据，原表的字体、颜色、公式全部丢失。如果压缩包里的 Excel 需要保留格式，就得用 openpyxl 直接操作工作簿对象：

from openpyxl import load_workbook wb = load_workbook("template.xlsx", data_only=True) ws = wb["Sheet1"] # 遍历所有行，跳过表头 for row in ws.iter_rows(min_row=2, values_only=True): order_id, amount, region = row[0], row[1], row[2] if amount and amount > 10000: print(f"大额订单: {order_id} 金额 {amount} 区域 {region}") wb.save("filtered.xlsx")

data_only=True表示读取公式的计算结果而不是公式本身，这个参数在读取别人发来的报表时特别重要，否则你拿到的是=SUM(A1:A10)这样的字符串。iter_rows的values_only=True直接返回值元组，比逐个访问cell.value快很多。openpyxl 的代价是速度慢，10 万行以上会明显卡顿，适合小批量、重格式的场景。

2.4 大文件场景：calamine 引擎的提速效果

数据量到几十万行时，pandas 默认的 openpyxl 引擎会慢到让人怀疑人生。python-calamine 是一个用 Rust 写的读取引擎，pandas 2.2 之后可以直接通过engine="calamine"调用：

import pandas as pd df = pd.read_excel( "big_data.xlsx", engine="calamine", usecols=["日期", "金额", "区域"] ) print(f"读取完成，共 {len(df)} 行")

实测在 50 万行、20 列的 xlsx 上，calamine 比 openpyxl 快 3 到 5 倍，内存占用也更低。代价是需要额外安装python-calamine包，且对某些冷门格式支持不如 openpyxl 完善。我的习惯是：小文件用 openpyxl，大文件先试 calamine，遇到格式报错再退回 openpyxl。

3. 把处理结果写进 zip：zipfile 的四种写入模式

3.1 从内存直接写入：避免落盘的 BytesIO 方案

最直觉的做法是先把 DataFrame 存成 xlsx 文件，再压缩。但中间文件多了之后，清理是个麻烦。更好的方式是用BytesIO在内存里完成 Excel 的序列化，直接写进 zip：

import pandas as pd from io import BytesIO from zipfile import ZipFile, ZIP_DEFLATED df = pd.read_excel("source.xlsx") # 在内存中生成 xlsx buffer = BytesIO() with pd.ExcelWriter(buffer, engine="openpyxl") as writer: df.to_excel(writer, index=False, sheet_name="汇总") buffer.seek(0) # 关键：把指针拨回开头 # 写入 zip with ZipFile("output.zip", "w", compression=ZIP_DEFLATED) as zf: zf.writestr("汇总表.xlsx", buffer.read()) print("打包完成")

BytesIO是一个内存中的二进制流，ExcelWriter把 DataFrame 写进去之后，指针停在末尾，必须seek(0)拨回开头，否则read()读到的是空内容——这个坑我踩过不止一次。writestr的第一个参数是压缩包内的文件名，可以带路径如"2024/汇总表.xlsx"，zipfile 会自动创建目录结构。ZIP_DEFLATED是压缩算法，对 xlsx 这种本身已压缩的格式，压缩率有限但聊胜于无。

3.2 多文件批量打包：循环写入与命名规范

实际场景往往是把多个处理结果打进一个包。用循环配合writestr即可：

import pandas as pd from io import BytesIO from zipfile import ZipFile, ZIP_DEFLATED regions = ["华东", "华南", "华北", "西南"] source = pd.read_excel("all_sales.xlsx") with ZipFile("regional_reports.zip", "w", compression=ZIP_DEFLATED) as zf: for region in regions: subset = source[source["区域"] == region] if subset.empty: continue # 空数据跳过，避免生成空文件 buf = BytesIO() with pd.ExcelWriter(buf, engine="openpyxl") as writer: subset.to_excel(writer, index=False, sheet_name=region) buf.seek(0) zf.writestr(f"{region}_销售明细.xlsx", buf.read()) print(f"{region}: {len(subset)} 行已写入")

subset.empty判断很关键，某些区域可能没有数据，生成一个空 xlsx 既占空间又让接收方困惑。文件名用 f-string 拼接区域名，保证压缩包内文件可读。循环内每次新建BytesIO，不要复用同一个 buffer，否则会读到上一次的残留数据。

3.3 压缩级别与文件名的三个细节

ZipFile的compresslevel参数控制压缩级别，取值 0 到 9，默认是 None（相当于 6）：

from zipfile import ZipFile, ZIP_DEFLATED # 高压缩，适合归档 with ZipFile("archive.zip", "w", compression=ZIP_DEFLATED, compresslevel=9) as zf: zf.write("report.xlsx", arcname="2024年度报告.xlsx")

compresslevel=9压缩率最高但耗时最长，compresslevel=1最快但文件大。对 xlsx 来说，因为内部已经是 zip 格式，再压缩收益很小，我一般用默认值。arcname参数指定文件在压缩包内的名字，不指定则用原路径，容易带上一长串本地目录。中文文件名在 zipfile 里默认用 UTF-8 编码，Windows 自带解压工具可能显示乱码，接收方用 7-Zip 或 Bandizip 打开正常。

3.4 追加与更新：a 模式与重复写入的陷阱

ZipFile的"a"模式可以在已有压缩包上追加文件：

from zipfile import ZipFile, ZIP_DEFLATED with ZipFile("output.zip", "a", compression=ZIP_DEFLATED) as zf: zf.write("new_report.xlsx", arcname="补充报表.xlsx")

注意：如果压缩包里已经存在同名文件，追加不会覆盖，而是出现两个同名条目，解压时后者覆盖前者，行为取决于解压工具。要更新文件，必须先读出全部内容、删掉旧条目、重新写入，或者干脆重建整个 zip。我一般不在原包上追加，而是每次生成新包，避免这种玄学问题。

4. 避坑指南：编码、内存与路径的五个真实翻车现场

4.1 中文文件名在 Windows 解压后变乱码

现象：Python 生成的 zip 在 Windows 资源管理器里解压，中文文件名显示为乱码，用 7-Zip 打开却正常。原因是 zipfile 默认用 UTF-8 编码文件名，而 Windows 自带解压工具按本地代码页解析。解决方式是在写入时显式指定编码，或者干脆用英文文件名加一个中文映射表。我的做法是压缩包内文件名用拼音或英文，在包内附一个manifest.txt说明对应关系，接收方一看就懂。

4.2 BytesIO 忘记 seek(0) 导致写入空文件

现象：压缩包生成了，但里面的 xlsx 打开是空白。原因就是前面提到的，ExcelWriter写完后指针在末尾，read()返回空字节。解决：每次read()之前调用buffer.seek(0)。这个错误不报异常，只是静默生成空文件，排查起来很费时间。养成习惯：凡是 BytesIO 读写切换，先 seek。

4.3 大文件全量加载导致内存溢出

现象：处理 100 万行的 xlsx 时进程被系统杀掉。原因是 pandas 默认全量加载，100 万行 30 列大约占用 2 到 3 GB 内存。解决：用read_excel的usecols限定列，用chunksize分块读取（注意 read_excel 的 chunksize 返回的是迭代器），或者换 calamine 引擎降低内存占用。如果只是筛选后打包，根本不需要全量加载，分块处理完直接写 zip 即可。

4.4 日期列读出来变成数字

现象：Excel 里的日期2024-01-15读进来变成45306。原因是 Excel 内部用序列号存储日期，openpyxl 在某些配置下不自动转换。解决：读取后用pd.to_datetime(df["日期"], unit="D", origin="1899-12-30")转换，或者在read_excel里指定parse_dates=["日期"]。注意 origin 是 1899-12-30 而不是 1900-01-01，因为 Excel 有一个著名的 1900 闰年 bug。

4.5 压缩包内路径用了反斜杠

现象：在 Windows 上开发，压缩包内文件名写成"reports\\summary.xlsx"，在 Linux 上解压变成一个名字里带反斜杠的文件。原因是 zip 规范要求路径分隔符用正斜杠/。解决：统一用os.path.join或 pathlib 生成路径后，把反斜杠替换成正斜杠，或者直接用 f-string 写"reports/summary.xlsx"。跨平台代码里，路径拼接永远用正斜杠。

5. 进阶技巧：用上下文管理器封装一个可复用的打包函数

把前面的逻辑封装成一个函数，是让这套方案真正可复用的关键。下面这个函数接收一个 Excel 路径和分组列名，按分组拆表并打包，全程内存操作，不落中间文件：

import pandas as pd from io import BytesIO from zipfile import ZipFile, ZIP_DEFLATED from pathlib import Path def excel_to_zip_by_group( excel_path: str, group_col: str, output_zip: str, sheet_name: str = "Sheet1", compress_level: int = 6 ) -> int: """ 按指定列分组，将每组数据写入独立 xlsx 并打包成 zip。 返回写入的文件数量。 """ df = pd.read_excel(excel_path, sheet_name=sheet_name) if group_col not in df.columns: raise ValueError(f"列 {group_col} 不存在，实际列: {df.columns.tolist()}") count = 0 with ZipFile(output_zip, "w", compression=ZIP_DEFLATED, compresslevel=compress_level) as zf: for name, group in df.groupby(group_col): buf = BytesIO() with pd.ExcelWriter(buf, engine="openpyxl") as writer: group.to_excel(writer, index=False, sheet_name=str(name)[:31]) buf.seek(0) safe_name = str(name).replace("/", "_").replace("\\", "_") zf.writestr(f"{safe_name}.xlsx", buf.read()) count += 1 return count if __name__ == "__main__": n = excel_to_zip_by_group("all_sales.xlsx", "区域", "regional.zip") print(f"共打包 {n} 个文件")

几个设计细节值得说。sheet_name=str(name)[:31]是因为 Excel 工作表名上限 31 个字符，超长会报错。safe_name把分组名里的斜杠替换掉，防止路径穿越或非法文件名。groupby默认会排除 NaN 分组，如果分组列有空值，这些行会被静默丢弃，需要提前用fillna("未知")处理。返回文件数量方便调用方做校验。

验证方法很简单：生成 zip 后用ZipFile.namelist()打印条目列表，再逐个read()出来用 pandas 读一遍，确认行数和原数据一致：

from zipfile import ZipFile import pandas as pd from io import BytesIO with ZipFile("regional.zip") as zf: for name in zf.namelist(): data = pd.read_excel(BytesIO(zf.read(name))) print(f"{name}: {len(data)} 行, 列: {data.columns.tolist()}")

这套流程我用了两年多，最大的教训是：不要相信 Excel 的表头一定在第一行，也不要想当然认为分组列没有空值。每次处理新报表，先跑一遍探查命令，确认结构再写正式逻辑。另一个习惯是压缩包内永远附一个manifest.txt，记录生成时间、数据行数和分组依据，接收方出问题时能快速定位。希望帮到你。

本文还有配套的精品资源，点击获取