【Python办公】处理 CSV和Excel 文件操作指南

专栏导读

• 🌸 欢迎来到Python办公自动化专栏—Python处理办公问题，解放您的双手

• 🏳️‍🌈 个人博客主页：请点击——> 个人的博客主页 求收藏

• 🏳️‍🌈 Github主页：请点击——> Github主页 求Star⭐

• 🏳️‍🌈 知乎主页：请点击——> 知乎主页 求关注

• 🏳️‍🌈 CSDN博客主页：请点击——> CSDN的博客主页 求关注

• 👍 该系列文章专栏：请点击——>Python办公自动化专栏 求订阅

• 🕷 此外还有爬虫专栏：请点击——>Python爬虫基础专栏 求订阅

• 📕 此外还有python基础专栏：请点击——>Python基础学习专栏 求订阅

• 文章作者技术和水平有限，如果文中出现错误，希望大家能指正🙏

• ❤️ 欢迎各位佬关注！ ❤️

前言

面向数据分析、报表生成与系统集成的日常工作，CSV 与 Excel 几乎是最常用的两种表格数据格式。本文以实战为导向，系统讲解如何在 Python 中高效、稳健地读写 CSV 和 Excel，覆盖常见坑点与性能优化策略，并给出可直接复制使用的代码示例。

适用读者与目标

• 需要在后端或数据脚本中批量导入/导出表格数据
• 想提升对编码、空值、类型转换、性能的掌控
• 希望拥有一份可作为速查手册的实用指南

库选型与安装

• 标准库：csv 读写 CSV，无需安装。
• 主力库：pandas 处理结构化数据，CSV/Excel 通吃。
• Excel 专用：openpyxl 读写 .xlsx；xlsxwriter 适合写入时的样式与大文件优化。

安装示例：

pip install pandas openpyxl xlsxwriter

读取 CSV（标准库 csv）

import csv
from pathlib import Pathpath = Path("data.csv")with path.open("r", encoding="utf-8") as f:reader = csv.reader(f)for row in reader:pass

使用字典形式更便于字段访问：

import csv
from pathlib import Pathwith Path("data.csv").open("r", encoding="utf-8") as f:reader = csv.DictReader(f)for record in reader:pass

写入 CSV（标准库 csv）

import csv
from pathlib import Pathrows = [["id", "name", "score"], [1, "张三", 95]]with Path("out.csv").open("w", encoding="utf-8", newline="") as f:writer = csv.writer(f)for row in rows:writer.writerow(row)

写入带表头的字典：

import csv
from pathlib import Pathrecords = [{"id": 1, "name": "张三", "score": 95},{"id": 2, "name": "李四", "score": 88},
]fieldnames = ["id", "name", "score"]with Path("out_dict.csv").open("w", encoding="utf-8", newline="") as f:writer = csv.DictWriter(f, fieldnames=fieldnames)writer.writeheader()writer.writerows(records)

使用 pandas 读写 CSV

读取：

import pandas as pddf = pd.read_csv("data.csv", encoding="utf-8")

写入：

df.to_csv("out.csv", index=False, encoding="utf-8")

逐块读取大文件：

import pandas as pdfor chunk in pd.read_csv("big.csv", chunksize=100_000):pass

只读部分列并指定类型：

import pandas as pddf = pd.read_csv("data.csv",usecols=["id", "name", "score"],dtype={"id": "Int64", "name": "string", "score": "float64"},
)

编码与本地化要点（Windows/Excel 友好）

• Excel 偏好 UTF-8-SIG 或本地 ANSI。为兼容 Excel，写入 CSV 时可用 utf-8-sig。
• Windows 上换行符用 newline="" 交由 csv 控制，避免出现空行。
• 含中文数据建议统一使用 utf-8 或 utf-8-sig。

示例：

import csv
from pathlib import Pathwith Path("excel_friendly.csv").open("w", encoding="utf-8-sig", newline="") as f:writer = csv.writer(f)writer.writerow(["编号", "姓名", "备注"]) 

pandas 侧：

import pandas as pddf = pd.DataFrame({"编号": [1, 2], "姓名": ["张三", "李四"]})
df.to_csv("excel_friendly.csv", index=False, encoding="utf-8-sig")

读取 Excel（.xlsx）

使用 pandas：

import pandas as pddf = pd.read_excel("workbook.xlsx", sheet_name=0, engine="openpyxl")

指定列与类型：

import pandas as pddf = pd.read_excel("workbook.xlsx",sheet_name="Sheet1",usecols=["id", "name", "score"],dtype={"id": "Int64", "name": "string", "score": "float64"},engine="openpyxl",
)

使用 openpyxl 原生读取：

from openpyxl import load_workbookwb = load_workbook("workbook.xlsx", read_only=True)
ws = wb.active
for row in ws.iter_rows(values_only=True):pass
wb.close()

写入 Excel 与多工作表

pandas 写入多个工作表：

import pandas as pdwith pd.ExcelWriter("report.xlsx", engine="xlsxwriter") as writer:df1 = pd.DataFrame({"id": [1, 2], "name": ["张三", "李四"]})df2 = pd.DataFrame({"id": [3, 4], "name": ["王五", "赵六"]})df1.to_excel(writer, sheet_name="用户A", index=False)df2.to_excel(writer, sheet_name="用户B", index=False)

openpyxl 创建并写入：

from openpyxl import Workbookwb = Workbook()
ws = wb.active
ws.title = "数据"
ws.append(["id", "name", "score"])
ws.append([1, "张三", 95])
wb.save("simple.xlsx")

样式、公式与格式（Excel）

使用 xlsxwriter 设置样式：

import pandas as pdwith pd.ExcelWriter("styled.xlsx", engine="xlsxwriter") as writer:df = pd.DataFrame({"金额": [1234.5, 6789.01]})df.to_excel(writer, sheet_name="Sheet1", index=False)workbook  = writer.bookworksheet = writer.sheets["Sheet1"]fmt = workbook.add_format({"num_format": "#,##0.00", "bold": True})worksheet.set_column("A:A", 12, fmt)

插入公式（openpyxl）：

from openpyxl import Workbook
from openpyxl.utils import get_column_letterwb = Workbook()
ws = wb.active
ws.append(["单价", "数量", "总价"])
ws.append([10, 2, None])
ws["C2"] = "=A2*B2"
wb.save("formula.xlsx")

类型、缺失值与前导零

• 账单号、电话号码等标识码使用字符串类型，避免前导零丢失。
• pandas 读写时可指定 dtype=str 或使用 converters 保留格式。
• 缺失值处理可使用 na_filter=False 或 keep_default_na=False。

示例：

import pandas as pddf = pd.read_csv("ids.csv",dtype={"bill_no": "string", "phone": "string"},keep_default_na=False,
)

CSV ↔ Excel 转换

CSV 转 Excel：

import pandas as pddf = pd.read_csv("data.csv")
df.to_excel("data.xlsx", index=False)

Excel 转 CSV：

import pandas as pddf = pd.read_excel("data.xlsx", engine="openpyxl")
df.to_csv("data.csv", index=False, encoding="utf-8")

多工作表合并读取：

import pandas as pdxls = pd.ExcelFile("book.xlsx", engine="openpyxl")
frames = [xls.parse(name) for name in xls.sheet_names]
merged = pd.concat(frames, ignore_index=True)

大文件与性能优化

• 流式读取：pandas chunksize，openpyxl read_only=True 与 iter_rows。
• 避免不必要的类型推断与解析，显式传入 dtype、usecols。
• 写入 Excel 时使用 xlsxwriter，速度更优，内存占用更稳。
• pandas 2.x 可尝试 engine="pyarrow" 读取 CSV 以提升解析速度。

示例：

import pandas as pdfor chunk in pd.read_csv("big.csv", chunksize=200_000):pass

openpyxl 写入大文件：

from openpyxl import Workbookwb = Workbook(write_only=True)
ws = wb.create_sheet("数据")
for i in range(1_000_000):ws.append([i, f"name_{i}"])
wb.save("big.xlsx")

常见坑点与规避

• Excel 的最大行数约 1048576，超出需拆分或改用 CSV。
• Excel 可能将长数字自动格式化为科学计数法，读写时统一为字符串类型。
• CSV 分隔符可能不是逗号，注意使用 sep 或 delimiter。
• 字段中包含逗号或换行时需使用引号，pandas 自动处理，标准库需配置 quotechar。
• Windows 上若出现 CSV 空行，检查写入文件是否设置 newline=""。

迷你速查

• 读 CSV：pd.read_csv("file.csv")
• 写 CSV：df.to_csv("file.csv", index=False)
• 读 Excel：pd.read_excel("file.xlsx", engine="openpyxl")
• 写 Excel：pd.ExcelWriter("file.xlsx", engine="xlsxwriter")
• 兼容 Excel 的 CSV 编码：encoding="utf-8-sig"
• 大文件分块：pd.read_csv(..., chunksize=...)
• 指定列与类型：usecols=...、dtype=...

结语

掌握 CSV 与 Excel 的读写不仅是数据工程的基本功，更是提升系统集成与数据流转效率的关键。将本文的示例与策略纳入你的项目骨架，可以显著降低编码与格式问题带来的不确定性，并在大数据量场景下获得稳定的性能表现。

结尾

• 希望对初学者有帮助；致力于办公自动化的小小程序员一枚

• 希望能得到大家的【❤️一个免费关注❤️】感谢！

• 求个 🤞 关注 🤞 +❤️ 喜欢 ❤️ +👍 收藏 👍

• 此外还有办公自动化专栏，欢迎大家订阅：Python办公自动化专栏

• 此外还有爬虫专栏，欢迎大家订阅：Python爬虫基础专栏

• 此外还有Python基础专栏，欢迎大家订阅：Python基础学习专栏