在日常辦公與數據分析中，Excel 文件（尤其是 .xlsx 格式）是信息交換的常見載體。Python 提供了多種處理 Excel 的工具，其中 openpyxl 和 pandas 是最主流的選擇。它們各有側重：openpyxl 專注於原生操作 Excel 文件結構（如樣式、公式、多工作表），而 pandas 則擅長以數據框形式高效處理表格內容。本文將通過多工作表讀寫場景，對比兩者的使用方式與適用邊界。
1. 安裝依賴
pip install openpyxl pandas⚠️ 注意：
pandas讀寫 Excel 需要openpyxl（.xlsx）或xlrd（舊版.xls）作為引擎。
2. 場景一：讀取多個工作表
使用 pandas（簡潔高效）
import pandas as pd
# 一次性讀取所有工作表為字典 {sheet_name: DataFrame}
all_sheets = pd.read_excel("report.xlsx", sheet_name=None)
# 訪問特定工作表
sales_df = all_sheets["銷售數據"]
inventory_df = all_sheets["庫存"]
print(sales_df.head())✅ 優點：一行代碼加載全部，直接獲得結構化 DataFrame，便於後續分析。
❌ 缺點：無法獲取單元格樣式、合併區域、公式等元信息。
使用 openpyxl（精細控制）
from openpyxl import load_workbook
wb = load_workbook("report.xlsx")
print(wb.sheetnames) # ['銷售數據', '庫存']
# 讀取“銷售數據”工作表
ws = wb["銷售數據"]
for row in ws.iter_rows(min_row=1, max_row=5, values_only=True):
print(row)✅ 優點：可訪問每個單元格的值、字體、顏色、註釋等完整屬性。
❌ 缺點：需手動解析為結構化數據，代碼更冗長。
3. 場景二：寫入多個工作表
使用 pandas（適合純數據輸出）
with pd.ExcelWriter("output.xlsx", engine="openpyxl") as writer:
sales_df.to_excel(writer, sheet_name="銷售數據", index=False)
inventory_df.to_excel(writer, sheet_name="庫存", index=False)✅ 優點：自動將 DataFrame 寫入指定工作表，支持格式化（如日期、數字）。
❌ 缺點：無法設置單元格樣式（如加粗、背景色），且會覆蓋整個工作表。
使用 openpyxl（保留格式與佈局）
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill
wb = Workbook()
wb.remove(wb.active) # 刪除默認Sheet
# 創建“銷售數據”工作表
ws1 = wb.create_sheet("銷售數據")
ws1.append(["產品", "銷售額"])
ws1.append(["A", 1000])
ws1["A1"].font = Font(bold=True)
ws1["A1"].fill = PatternFill(start_color="FFFF00", end_color="FFFF00", fill_type="solid")
# 創建“庫存”工作表
ws2 = wb.create_sheet("庫存")
ws2.append(["產品", "數量"])
wb.save("styled_output.xlsx")✅ 優點：完全控制單元格樣式、合併單元格、圖表、公式等。
❌ 缺點：需逐行寫入，處理大數據時效率低於 pandas。
4. 關鍵對比總結
|
功能
|
pandas + openpyxl 引擎
|
openpyxl 原生
|
|
讀取為結構化數據
|
✅ 極簡（DataFrame）
|
❌ 需手動轉換
|
|
寫入 DataFrame
|
✅ 一行代碼
|
❌ 需循環遍歷
|
|
保留/設置單元格樣式
|
❌ 不支持
|
✅ 完全支持
|
|
操作公式、圖表、批註
|
❌ 僅讀取公式結果
|
✅ 可讀寫公式與對象
|
|
處理大型數據集
|
✅ 高效（向量化）
|
⚠️ 較慢（逐單元格操作）
|
|
多工作表管理
|
✅ 通過 |
✅ 通過 |
5. 實戰建議：如何選擇？
- 選 pandas 當：
- 你只關心表格中的數值和文本數據；
- 需要快速進行統計、過濾、合併等分析操作；
- 輸出目標是“乾淨的數據表”，無需花哨格式。
- 選 openpyxl 當：
- 需要保留或生成帶格式的報表（如公司模板）；
- 要操作公式、條件格式、圖表等 Excel 特有功能；
- 處理非標準佈局（如標題跨多行、混合文本與表格）。
💡 混合使用技巧：先用
pandas處理數據，再用openpyxl加載其輸出文件進行樣式美化：
# 1. 用 pandas 寫入數據
df.to_excel("temp.xlsx", index=False)
# 2. 用 openpyxl 加載並美化
from openpyxl import load_workbook
wb = load_workbook("temp.xlsx")
ws = wb.active
ws["A1"].font = Font(bold=True, color="FF0000")
wb.save("final_report.xlsx")pandas 和 openpyxl 並非互斥，而是互補的工具。前者是數據分析的“瑞士軍刀”，後者是 Excel 自動化的“精密鑷子”。理解它們的邊界，能讓你在面對不同 Excel 任務時遊刃有餘——用 pandas 快速提煉信息，用 openpyxl 精雕細琢呈現。掌握這一組合，你就擁有了 Python 處理 Excel 的完整武器庫。
