Python 处理 Excel 终极对比：openpyxl vs pandas vs xlwings

用户11081884

发布于 2026-07-20 20:28:12

290

文章被收录于专栏：用户11081884的专栏用户11081884的专栏

处理Excel这件事我踩过的坑加起来能写一本书。

最早用VBA，后来学了Python觉得自己升华了，结果发现Python生态里处理Excel的库有好几个，每次选错就是半天白费。

今天把三个最常用的库彻底对比一遍，openpyxl、pandas、xlwings，每个都说清楚：适合干嘛、不适合干嘛、哪些坑是我替你踩过的。

先说结论

不想看完整文章的，直接看这段：

openpyxl：你要操作Excel格式（合并单元格、设置样式、写公式），用这个
pandas：你要做数据分析、大批量读写、数据清洗，用这个
xlwings：你要跟已经打开的Excel文件交互、执行VBA，用这个

用错了不是不能跑，是你会很痛苦。

openpyxl：格式控的选择

它能干嘛

openpyxl直接操作.xlsx文件，不需要本机装Excel，读写改样式都行。

fromopenpyxlimportWorkbook
fromopenpyxl.stylesimportFont, PatternFill, Alignment
fromopenpyxl.utilsimportget_column_letter

wb = Workbook()
ws = wb.active
ws.title = "月度报表"

# 写标题行
headers = ["姓名", "部门", "销售额", "完成率"]
forcol_num, headerinenumerate(headers, 1):
    cell = ws.cell(row=1, column=col_num, value=header)
    cell.font = Font(bold=True, color="FFFFFF")
    cell.fill = PatternFill(start_color="2F75B6", end_color="2F75B6", fill_type="solid")
    cell.alignment = Alignment(horizontal="center")

# 写数据
data = [
    ("张三", "销售部", 120000, "120%"),
    ("李四", "销售部", 95000, "95%"),
    ("王五", "市场部", 88000, "88%"),
]
forrow_dataindata:
    ws.append(row_data)

# 设置列宽
fori, colinenumerate(ws.columns):
    ws.column_dimensions[get_column_letter(i+1)].width = 15

wb.save("月度报表.xlsx")

踩过的坑

坑一：合并单元格之后写不进去数据

第一次遇到这个坑的时候搞了大半天。合并之后只有左上角的单元格能写值，其他位置写了也是白写。

ws.merge_cells("A1:D1")
ws["A1"] = "Q1季度总结"  # 只能写A1
# ws["B1"] = "什么" 写了也没用，保存之后还是空的

坑二：写公式不等于有计算结果

ws["E2"] = "=SUM(A2:D2)"  # 公式写进去了
# 但用openpyxl读这个文件，读出来是字符串 "=SUM(A2:D2)"
# 不是计算结果

想读公式结果要么打开Excel让它重新计算，要么用xlwings——后面说。

坑三：几万行以上写得很慢

超过几万行的Excel，openpyxl写起来开始掉速，这种情况换pandas。

pandas：数据处理主力

它能干嘛

pandas才不管你单元格什么颜色，它就管数据。读取、过滤、聚合、处理、输出，这套流程用它是最顺的。

importpandasaspd

df = pd.read_excel("销售数据.xlsx", sheet_name="Sheet1")

df_clean = (
    df
    .dropna(subset=["销售额"])
    .query("销售额 > 0")
    .assign(完成率=lambdax: x["销售额"] /x["目标额"])
    .sort_values("销售额", ascending=False)
)

summary = df_clean.groupby("部门").agg(
    总销售额=("销售额", "sum"),
    平均完成率=("完成率", "mean"),
    人数=("姓名", "count")
).reset_index()

print(summary)

同时处理多个sheet：

all_sheets = pd.read_excel("数据.xlsx", sheet_name=None)
combined = pd.concat(all_sheets.values(), ignore_index=True)

写出带格式的Excel（搭xlsxwriter）：

withpd.ExcelWriter("报告.xlsx", engine="xlsxwriter") aswriter:
    df.to_excel(writer, sheet_name="数据", index=False)

    workbook = writer.book
    worksheet = writer.sheets["数据"]

    header_fmt = workbook.add_format({
        "bold": True,
        "bg_color": "#2F75B6",
        "font_color": "white",
        "align": "center",
    })

    forcol_num, valueinenumerate(df.columns.values):
        worksheet.write(0, col_num, value, header_fmt)

踩过的坑

坑一：日期列变成 Timestamp 了

df = pd.read_excel("数据.xlsx")
print(df["日期"][0])  # 2024-01-15 00:00:00，不是你想要的格式

# 转成字符串
df["日期"] = df["日期"].dt.strftime("%Y-%m-%d")

坑二：金额列浮点精度掉了

钱相关的计算不能直接用float，0.1+0.2不等于0.3，这不是Python的问题，是所有语言的浮点数问题：

fromdecimalimportDecimal
df["金额"] = df["金额"].apply(lambdax: Decimal(str(x)))

坑三：大文件内存不够用

500MB以上的Excel直接read_excel会把整个文件塞进内存，小内存机器很容易OOM。pandas不支持分块读Excel，超大文件建议先转CSV：

chunk_size = 10000
forchunkinpd.read_csv("大文件.csv", chunksize=chunk_size):
    process(chunk)

xlwings：操控Excel本体

它能干嘛

xlwings需要本机装Excel，它直接操控Excel进程。

能做：

读已打开文件的实时数据
读公式计算结果（不是公式字符串）
执行VBA宏
生成图表截图

importxlwingsasxw

wb = xw.Book("报表.xlsx")
ws = wb.sheets["Sheet1"]

# 读取值（公式结果，不是公式本身）
value = ws["B2"].value

# 批量读取
data = ws.range("A1:D10").value  # 返回二维列表

# 调用VBA宏
app = xw.apps.active
app.macro("ThisWorkbook.刷新数据")()

# 把Python处理结果写回
ws["A1"].value = [[1, 2, 3], [4, 5, 6]]

用完自动关闭进程：

withxw.App(visible=False) asapp:
    wb = app.books.open("报表.xlsx")
    ws = wb.sheets[0]
    ws["A1"].value = "处理完成"
    wb.save()
    wb.close()
# 出了with块自动关闭Excel进程

踩过的坑

坑一：以为脚本跑完了Excel就关了

没显式关的话Excel进程会一直挂后台，下次再跑同一文件直接报“文件已被占用”。一定要用with语法或者手动close。

坑二：macOS权限问题

macOS用xlwings要给Python授权“辅助功能”权限，不然报：

appscript.reference.CommandError: errAEEventNotPermitted(-1743)

去系统偏好设置 > 隐私与安全性 > 辅助功能，把Terminal或IDE加进去。

坑三：服务器上跑不了

Linux没有Excel，xlwings在上面没法用。定时任务、Docker容器里处理Excel，只能用openpyxl或pandas。

怎么选

场景	用哪个
纯读写，不管格式	pandas
设置样式、合并单元格	openpyxl
数据分析聚合统计	pandas
读公式计算结果	xlwings
执行VBA宏	xlwings
服务器定时任务	openpyxl / pandas
百万行以上超大文件	pandas

真实项目里怎么搭配用

很多项目不是单用一个的。比如每周生成带格式的销售报表这种需求：

importpandasaspd
fromopenpyxlimportload_workbook
fromopenpyxl.stylesimportFont, PatternFill

# pandas 处理数据
df_raw = pd.read_excel("原始数据.xlsx")
df_result = df_raw.groupby("部门").agg({"销售额": "sum"}).reset_index()

# pandas 先写出基础Excel
df_result.to_excel("报表.xlsx", index=False)

# openpyxl 再美化
wb = load_workbook("报表.xlsx")
ws = wb.active

forcellinws[1]:
    cell.font = Font(bold=True, color="FFFFFF")
    cell.fill = PatternFill(start_color="2F75B6", end_color="2F75B6", fill_type="solid")

wb.save("报表_最终.xlsx")

pandas负责数据，openpyxl负责样式。各干各的事，代码也清晰。