Python 讀取 Excel 檔案教學：從入門到進階資料處理全攻略

Python 讀取 Excel 檔案教學總覽

Python 在專案管理、資料分析與自動化流程中，常被用來處理 Excel 檔案。無論是批次整理報表、資料清理，還是自動化產生分析結果，Python 都能大幅提升工作效率。常見應用場景包括：

• 自動化產出定期報表，減少人工複製貼上
• 整合多份 Excel 資料，進行批次清理與統計
• 將 Excel 資料轉換為其他格式（如 CSV、JSON）以便後續分析
• 與其他辦公軟體（如 Google Sheets）協作資料流

為什麼用 Python 處理 Excel？

• 效率高：可自動化重複性資料處理工作
• 彈性強：支援條件篩選、資料轉換、批次處理等進階操作
• 易於整合：可與資料庫、API、雲端服務串接
• 跨平台：適用於 Windows、macOS、Linux

常見 Excel 格式與支援情況

實務建議：一般處理 .xlsx 檔案建議優先使用 pandas，若需操作 Excel 內部物件（如合併儲存格、公式、圖片），則選 openpyxl。

安裝與準備工作

必需套件介紹與安裝指令

• pandas：適合資料分析、批次處理、快速讀寫 Excel/CSV
• openpyxl：適合操作 Excel 物件（如格式、公式、合併儲存格）

安裝指令如下：

pip install pandas openpyxl

如需處理 .xls 格式，請加裝 xlrd：

pip install xlrd

常見安裝問題與解決方式

• 權限不足：加上 --user 參數或用管理員權限執行
• 套件版本衝突：建議使用虛擬環境（如 venv、conda）管理
• 無法安裝 xlrd：新版 xlrd 僅支援 .xls，讀 .xlsx 請用 openpyxl

使用 pandas 讀取與處理 Excel

pandas 適用情境與優缺點

• 適用情境：大量資料分析、批次處理、資料轉換、快速篩選
• 優點：語法簡潔、效能佳、支援多格式、易與資料分析工具整合
• 限制：不支援 Excel 進階格式（如合併儲存格、公式運算）

讀取 Excel 基本語法與範例

import pandas as pd

# 讀取 Excel 檔案
df = pd.read_excel('data.xlsx')

# 顯示前五筆資料
print(df.head())

指定工作表、列、行的操作技巧

• 指定工作表名稱或索引：

df = pd.read_excel('data.xlsx', sheet_name='報表A')
# 或
df = pd.read_excel('data.xlsx', sheet_name=0)

• 選取特定欄位與列：

# 取出「姓名」欄
names = df['姓名']

# 取出第0列
row0 = df.iloc[0]

讀取多個工作表與資料結構

dfs = pd.read_excel('data.xlsx', sheet_name=None)
print(dfs.keys())  # 顯示所有工作表名稱
print(dfs['報表A'].head())

進階應用：篩選、條件查詢、資料轉換

• 條件篩選：

# 只取分數大於80的資料
filtered = df[df['分數'] > 80]

• 資料轉換：

# 將 Excel 轉存為 CSV
df.to_csv('output.csv', index=False)

• 批次合併多個 Excel 檔案（常見於月報自動彙整）：

import glob
all_files = glob.glob('reports/*.xlsx')
dfs = [pd.read_excel(f) for f in all_files]
merged = pd.concat(dfs, ignore_index=True)

常見錯誤與排解

實務案例：某專案團隊每月需彙整多個部門 Excel 報表，利用 pandas 批次讀取與合併，大幅縮短人工整理時間。

使用 openpyxl 讀取與處理 Excel

openpyxl 適用情境與優缺點

• 適用情境：需操作 Excel 物件（如格式、合併儲存格、公式）、自動化產生格式化報表
• 優點：可存取與修改 Excel 內部結構、支援儲存格格式與公式
• 限制：不適合大量資料分析，操作語法較繁瑣

讀取 Excel 基本語法與範例

import openpyxl

# 載入 Excel 檔案
wb = openpyxl.load_workbook('data.xlsx')

# 取得預設工作表
ws = wb.active

# 讀取 A1 儲存格內容
print(ws['A1'].value)

遍歷/操作工作表、行、列

• 指定工作表：

ws = wb['報表A']

• 遍歷所有行與列：

for row in ws.iter_rows(min_row=2, values_only=True):
    print(row)

處理特殊資料（如合併儲存格、公式、圖片）

• 合併儲存格判斷：

for merged in ws.merged_cells.ranges:
    print(merged)

• 讀取公式結果與公式內容：

cell = ws['B2']
print(cell.value)        # 顯示公式結果
print(cell.data_type)    # 若為 'f' 表示含公式

• 圖片處理：openpyxl 可讀取圖片物件，但僅支援部分操作，若需批次處理建議搭配其他工具。

常見錯誤與排解

實務案例：財務部門需自動產出含合併儲存格與公式的月報，openpyxl 可直接編輯格式與內容，節省手動調整時間。

pandas 與 openpyxl 比較與選擇建議

功能、效能、適用場景比較

實務選擇建議

• 資料分析、批次合併、快速篩選：建議用 pandas
• 需保留或修改 Excel 格式、合併儲存格、公式：建議用 openpyxl
• 兩者結合：先用 pandas 處理資料，再用 openpyxl 微調格式

常見問題（FAQ）

如何處理大檔案？

• pandas 可用 usecols、nrows 參數只讀取部分資料，減少記憶體消耗
• 可分批讀取多個檔案，或將資料轉存為 CSV 再處理

如何只讀取部分資料？

# 只讀取前100列
df = pd.read_excel('data.xlsx', nrows=100)

# 只讀取指定欄位
df = pd.read_excel('data.xlsx', usecols=['姓名', '分數'])

如何處理編碼或格式錯誤？

• 確認檔案格式與副檔名一致
• 若遇編碼錯誤，pandas 讀取 CSV 時可指定 encoding 參數
• 若檔案損毀，建議重新取得檔案

其他常見疑問

• 合併儲存格如何處理？ pandas 會自動展開為 NaN，openpyxl 可完整存取合併範圍
• 如何將 Excel 轉為 JSON？

df.to_json('output.json', orient='records', force_ascii=False)

實務案例分享

自動化報表產生

某專案經理每週需彙整多部門進度，利用 pandas 批次讀取各部門 Excel，合併後自動產出統一格式的進度表，並用 openpyxl 加入標題與格式，減少人工作業。

批次資料清理

行銷團隊需清理來自不同地區的 Excel 客戶名單，透過 pandas 進行欄位標準化、重複資料移除，確保資料品質。

整合其他工具（如 Excel 與 Google Sheets 互轉）

利用 pandas 讀取 Excel 後，將資料轉存為 CSV，再匯入 Google Sheets，或搭配 Monday.com 等協作平台進行自動化流程串接，適合跨部門協作與專案追蹤。

總結與推薦工具

Python 讀取 Excel 檔案，無論是用 pandas 還是 openpyxl，都能大幅提升資料處理效率。選擇適合的工具，能讓你在專案管理、團隊協作或資料分析上事半功倍。若需進一步整合自動化流程、協作管理，建議可搭配 Monday.com 這類專案管理平台，將 Excel 資料串接進團隊工作流程，實現全方位的數位化管理。