Nachrichtensymbol
Zum Fußzeileninhalt springen
  1. IronXL für Python
  2. IronXL für Python Blog
  3. Verwendung von IronXL für Python
  4. Wie man eine Excel-Datei in eine Datenbanktabelle mit Python importiert
VERWENDUNG VON IRONXL FüR PYTHON

Wie man eine Excel-Datei in eine Datenbanktabelle mit Python importiert

Curtis Chau
Curtis Chau
Aktualisiert:

In der heutigen datengetriebenen Welt sind die effiziente Handhabung und Verarbeitung von Daten unerlässliche Aufgaben für jede Organisation und jeden Einzelnen. Python bietet mit seinem umfangreichen Ökosystem an Bibliotheken leistungsstarke Werkzeuge zur Datenmanipulation und -verwaltung, wie beispielsweise die pandas -Bibliothek. Ein häufiges Szenario ist der Bedarf, Daten aus Excel -Tabellen zu extrahieren oder zu importieren und diese Daten in einer Datenbank zu speichern oder einzufügen, um sie weiter zu analysieren oder in andere Systeme zu integrieren. In diesem Tutorial erfahren Sie, wie Sie ein Python-Skript erstellen, das diesen Prozess automatisiert und Ihnen ermöglicht, Daten nahtlos aus Excel-Tabellendateien zu lesen und in eine Datenbank einzufügen. Am Ende dieses Tutorials sind Sie in der Lage, Datenmigrationsaufgaben effizient zu bewältigen. Lass uns beginnen!

Wie man eine Excel-Datei mit Python in eine Datenbanktabelle importiert

  1. Beginnen Sie mit der Installation der IronXL-Bibliothek.
  2. Laden Sie Ihre Excel-Datei mit IronXL in den Speicher.
  3. Laden Sie die gewünschte Tabellenkalkulation.
  4. Wählen Sie den genauen Datenbereich aus, den Sie importieren möchten.
  5. Stellen Sie mithilfe von Python eine Verbindung zu einer beliebigen Datenbank wie z. B. einer SQLite- oder MySQL-Datenbank her.
  6. Erstellen Sie eine neue Tabelle in Ihrer SQLite-Datenbank, um die importierten Daten aufzunehmen.
  7. Fügen Sie die ausgewählten Zeilen aus der Excel-Datei in die neu erstellte SQLite-Tabelle ein.
  8. Daten aus der erstellten SQLite-Tabelle abrufen und auswählen, um sie weiter zu analysieren oder zu verarbeiten.

In diesem Tutorial verwenden wir IronXL , eine Python-Bibliothek, die für ihre Effizienz bei der Verarbeitung von Excel-Dateien bekannt ist. Durch die Integration von IronXL in unser Skript gewährleisten wir die nahtlose Extraktion von Daten aus Excel-Tabellen, wodurch ein reibungsloses Einfügen in Datenbanken zur weiteren Analyse und Verarbeitung ermöglicht wird.

Was ist IronXL?

IronXL ist eine von Iron Software entwickelte Python-Bibliothek, die robuste Funktionen zum direkten Lesen , Generieren und Bearbeiten von Excel-Dateien innerhalb von Python-Anwendungen bietet. IronXL zeichnet sich insbesondere durch seine Unabhängigkeit von der Installation von Microsoft Excel aus, was die Bereitstellung in verschiedenen Umgebungen vereinfacht. Mit IronXL profitieren Entwickler von folgenden Vorteilen:

Plattformübergreifende Unterstützung: Profitieren Sie von einem reibungslosen Betrieb auf Windows-, macOS-, Linux-, Docker-, Azure- und AWS-Plattformen und gewährleisten Sie so die Anpassungsfähigkeit an unterschiedliche Entwicklungsumgebungen.

Datenimport und -export: Datenimport aus XLS-, XLSX-, CSV- und TSV-Dateien ist einfach, und Arbeitsblätter können flexibel in diese Formate und sogar in JSON exportiert werden, um die Interoperabilität zu verbessern.

Verschlüsselungsfunktionen: Gewährleisten Sie die Datensicherheit durch die Nutzung der Verschlüsselungsfunktionen von IronXL, die den Schutz von XLSX-, XLSM- und XLTX-Dateien mit Passwörtern ermöglichen.

Formeln und Neuberechnung: Arbeiten Sie mühelos mit Excel- Formeln und profitieren Sie zusätzlich von der automatischen Neuberechnung bei jeder Bearbeitung eines Tabellenblatts. Dies gewährleistet Genauigkeit und Zuverlässigkeit bei der Datenverarbeitung.

Zellformatierung: Passen Sie das Erscheinungsbild einzelner Zellen an, indem Sie Schriftarten , -größen, Hintergrundmuster, Rahmen und Ausrichtung ändern und so die visuelle Darstellung Ihrer Excel-Dokumente verbessern.

Breites Spektrum an Dokumentformaten: Dank der Unterstützung verschiedener Formate wie XLS, XLSX, XLST, XLSM, CSV und TSV ermöglicht IronXL Entwicklern die einfache und effiziente Datenverarbeitung in einer Vielzahl von Szenarien.

Beginnen wir nun mit der Installation von IronXL.

Schritt 1: IronXL-Bibliothek installieren

Der allererste Schritt ist die Installation der IronXL-Bibliothek. Führen Sie den folgenden Befehl in der Eingabeaufforderung aus, um IronXL zu installieren.

pip install IronXL
pip install IronXL
SHELL

Schritt 2: Excel-Arbeitsmappe laden

Im nächsten Schritt laden wir die Excel-Datei. Für dieses Tutorial verwenden wir die folgende Excel-Datei.

So importieren Sie eine Excel-Datei mithilfe von Python in eine Datenbanktabelle: Abbildung 1 – Beispiel einer Excel-Datei

Der folgende Code lädt die vorhandene Excel-Datei in den Speicher.

from ironxl import *  # Supported for XLSX, XLS, XLSM, XLTX, CSV, and TSV

# Assign a license key (retrieved from IronXL website)
License.LicenseKey = "IRONSUITE.ABC.XYZ.COM.15796-DEPLOYMENT.TRIAL-5X63V4.TRIAL.EXPIRES.27.MAY.2024"

# Load the Excel workbook into memory
workbook = WorkBook.Load("sample_excel.xlsx")
from ironxl import *  # Supported for XLSX, XLS, XLSM, XLTX, CSV, and TSV

# Assign a license key (retrieved from IronXL website)
License.LicenseKey = "IRONSUITE.ABC.XYZ.COM.15796-DEPLOYMENT.TRIAL-5X63V4.TRIAL.EXPIRES.27.MAY.2024"

# Load the Excel workbook into memory
workbook = WorkBook.Load("sample_excel.xlsx")
PYTHON

Der obige Python-Codeausschnitt demonstriert das Laden einer Excel-Arbeitsmappe mit dem Namen "sample_excel.xlsx" mithilfe der IronXL-Bibliothek. Zunächst wird das benötigte Python-Modul aus IronXL importiert. Anschließend wird ein Lizenzschlüssel zugewiesen, um die Nutzung der Bibliothek zu bestätigen. Sie können Ihren kostenlosen Lizenzschlüssel von der IronXL-Website herunterladen. Abschließend wird die Load Methode verwendet, um die angegebene Excel-Arbeitsmappe zu öffnen und in den Speicher zu laden. Dies ermöglicht die anschließende programmatische Bearbeitung des Inhalts, wie z. B. das Lesen von Daten, das Ändern von Zellwerten oder das Anwenden von Formatierungen.

Schritt 3: Arbeitsblatt auswählen

Um in einer Excel-Arbeitsmappe mit IronXL ein Arbeitsblatt auszuwählen, können Sie den Index oder den Namen des Arbeitsblatts angeben.

# Select the first worksheet in the loaded Excel workbook
worksheet = workbook.WorkSheets[0]
# Select the first worksheet in the loaded Excel workbook
worksheet = workbook.WorkSheets[0]
PYTHON

Diese Zeile wählt das erste Arbeitsblatt in der geladenen Excel-Arbeitsmappe aus und weist es der Variablen worksheet zu, wodurch nachfolgende Operationen auf diesem spezifischen Arbeitsblatt innerhalb der Arbeitsmappe durchgeführt werden können. Dadurch werden Excel-Daten aus einem Excel-Arbeitsblatt in eine Arbeitsblattvariable geladen.

Schritt 4: Datenbankverbindung öffnen

In diesem Tutorial verwenden wir eine SQLite-Datenbank anstelle eines MySQL-Datenbankservers. Um Datenbankoperationen zu initiieren, stellen wir zunächst eine Verbindung zur Datenbank her.

import sqlite3

# Connect to SQLite database (or create it if it doesn't exist)
conn = sqlite3.connect('data.db')
import sqlite3

# Connect to SQLite database (or create it if it doesn't exist)
conn = sqlite3.connect('data.db')
PYTHON

Die obige Zeile stellt eine Verbindung zu einer SQLite-Datenbank mit dem Namen 'data.db' her. Falls die angegebene Datenbank nicht existiert, wird sie automatisch erstellt. Diese Verbindung ermöglicht die nachfolgende Interaktion mit der SQLite-Datenbank, beispielsweise das Ausführen von Abfragen und das Durchführen von Datenmanipulationsoperationen.

Schritt 5: Erstellen Sie eine Tabelle

Im nächsten Schritt erstellen wir eine Datenbanktabelle, in die wir Daten aus einer Excel-Datei importieren. Um eine Tabelle in der SQLite-Datenbank zu erstellen, können Sie eine SQL-Anweisung mithilfe des Verbindungsobjekts ausführen.

# Create a cursor object for database operations
cursor = conn.cursor()

# Define and execute SQL to create a table if it doesn't exist
cursor.execute('''
CREATE TABLE IF NOT EXISTS customer (
    id INTEGER,
    FirstName TEXT,
    LastName TEXT,
    Gender TEXT,
    Country TEXT,
    Age INTEGER
)
''')
# Create a cursor object for database operations
cursor = conn.cursor()

# Define and execute SQL to create a table if it doesn't exist
cursor.execute('''
CREATE TABLE IF NOT EXISTS customer (
    id INTEGER,
    FirstName TEXT,
    LastName TEXT,
    Gender TEXT,
    Country TEXT,
    Age INTEGER
)
''')
PYTHON

Der obige Codeausschnitt initialisiert ein Cursor-Objekt, um SQL-Befehle innerhalb der SQLite-Datenbankverbindung auszuführen. Es wird eine Tabelle mit dem Namen "customer" und den Spalten "id", "FirstName", "LastName", "Gender", "Country" und "Age" erstellt. Die Tabelle wird erstellt, falls sie noch nicht existiert, wobei die angegebenen Spaltendatentypen berücksichtigt werden.

Schritt 6: Datenimport in die Datenbank mithilfe von Python

Nun fügen wir Daten in unsere neu erstellte Tabelle ein. Wir werden eine Excel-Datei importieren und deren Daten in die SQLite-Datenbank einfügen.

# Iteratively insert data from Excel worksheet into SQLite database
for i in range(2, 11):
    # Extracting values from columns A to F in Excel worksheet
    values_tuple = (
        worksheet[f"A{i}"].StringValue,
        worksheet[f"B{i}"].StringValue,
        worksheet[f"C{i}"].StringValue,
        worksheet[f"D{i}"].StringValue,
        worksheet[f"E{i}"].StringValue,
        worksheet[f"F{i}"].StringValue
    )
    # Executing SQL INSERT command
    cursor.execute("INSERT INTO customer VALUES (?, ?, ?, ?, ?, ?)", values_tuple)

# Commit data insertion to the database
conn.commit()
# Iteratively insert data from Excel worksheet into SQLite database
for i in range(2, 11):
    # Extracting values from columns A to F in Excel worksheet
    values_tuple = (
        worksheet[f"A{i}"].StringValue,
        worksheet[f"B{i}"].StringValue,
        worksheet[f"C{i}"].StringValue,
        worksheet[f"D{i}"].StringValue,
        worksheet[f"E{i}"].StringValue,
        worksheet[f"F{i}"].StringValue
    )
    # Executing SQL INSERT command
    cursor.execute("INSERT INTO customer VALUES (?, ?, ?, ?, ?, ?)", values_tuple)

# Commit data insertion to the database
conn.commit()
PYTHON

Der obige Code durchläuft die Zeilen 2 bis 10 des Excel-Arbeitsblatts und extrahiert für jede Zeile Werte aus den Spalten A bis F. Diese Werte werden in einem Tupel gespeichert, das die Daten darstellt, die in die Tabelle "customer" eingefügt werden sollen. Anschließend führt der Cursor einen SQL-INSERT-Befehl aus, der das Werte-Tupel in die Tabelle einfügt. Dieser Vorgang wiederholt sich für jede Zeile und importiert so effektiv Daten aus der Excel-Datei in die SQLite-Datenbank. Schließlich führt conn.commit() den Commit der Transaktion durch und stellt so sicher, dass die Änderungen gespeichert und in der Datenbank persistent abgelegt werden.

Schritt 7: Daten aus der Datenbank lesen

Um zu überprüfen, ob die Daten korrekt eingefügt wurden, können Sie Daten aus der Tabelle 'customer' in der SQLite-Datenbank mit einer SELECT-Abfrage lesen. Zum Beispiel:

# Execute a SELECT query to retrieve all data from the 'customer' table
cursor.execute("SELECT * FROM customer")

# Fetch all rows from the result set
rows = cursor.fetchall()

# Print each row to verify inserted data
for row in rows:
    print(row)

# Close the database connection to release resources
conn.close()
# Execute a SELECT query to retrieve all data from the 'customer' table
cursor.execute("SELECT * FROM customer")

# Fetch all rows from the result set
rows = cursor.fetchall()

# Print each row to verify inserted data
for row in rows:
    print(row)

# Close the database connection to release resources
conn.close()
PYTHON

Der obige Code führt eine SELECT-Abfrage auf der Tabelle 'customer' in der SQLite-Datenbank aus und ruft alle Zeilen ab. Die abgerufenen Zeilen werden mithilfe der Methode fetchall() in der Variable 'rows' gespeichert. Anschließend wird jede Zeile nacheinander ausgegeben, wobei die in die Tabelle "Kunde" eingefügten Daten angezeigt werden. Zum Schluss wird die Datenbankverbindung mit der Methode close() geschlossen, um Ressourcen freizugeben.

So importieren Sie eine Excel-Datei mithilfe von Python in eine Datenbanktabelle: Abbildung 2 – Auslesen der Datenbankausgabe

Der vollständige Code lautet wie folgt:

import sqlite3
from ironxl import *  # Supported for XLSX, XLS, XLSM, XLTX, CSV, and TSV

# Assign a license key (retrieved from IronXL website)
License.LicenseKey = "IRONSUITE.ABC.XYZ.COM.15796-DEPLOYMENT.TRIAL-5X63V4.TRIAL.EXPIRES.27.MAY.2024"

# Load the Excel workbook into memory
workbook = WorkBook.Load("sample_excel.xlsx")

# Select worksheet at index 0
worksheet = workbook.WorkSheets[0]

# Connect to SQLite database (or create it if it doesn't exist)
conn = sqlite3.connect('data.db')

# Create a cursor object for database operations
cursor = conn.cursor()

# Define and execute SQL to create a table if it doesn't exist
cursor.execute('''
CREATE TABLE IF NOT EXISTS customer (
    id INTEGER,
    FirstName TEXT,
    LastName TEXT,
    Gender TEXT,
    Country TEXT,
    Age INTEGER
)
''')

# Clear any existing data from the table
cursor.execute("DELETE FROM customer")

# Iteratively insert data from Excel worksheet into SQLite database
for i in range(2, 11):
    # Extracting values from columns A to F in Excel worksheet
    values_tuple = (
        worksheet[f"A{i}"].StringValue,
        worksheet[f"B{i}"].StringValue,
        worksheet[f"C{i}"].StringValue,
        worksheet[f"D{i}"].StringValue,
        worksheet[f"E{i}"].StringValue,
        worksheet[f"F{i}"].StringValue
    )
    # Executing SQL INSERT command
    cursor.execute("INSERT INTO customer VALUES (?, ?, ?, ?, ?, ?)", values_tuple)

# Commit data insertion to the database
conn.commit()

# Execute a SELECT query to retrieve all data from the 'customer' table
cursor.execute("SELECT * FROM customer")

# Fetch all rows from the result set
rows = cursor.fetchall()

# Print each row to verify inserted data
for row in rows:
    print(row)

# Close the database connection to release resources
conn.close()
import sqlite3
from ironxl import *  # Supported for XLSX, XLS, XLSM, XLTX, CSV, and TSV

# Assign a license key (retrieved from IronXL website)
License.LicenseKey = "IRONSUITE.ABC.XYZ.COM.15796-DEPLOYMENT.TRIAL-5X63V4.TRIAL.EXPIRES.27.MAY.2024"

# Load the Excel workbook into memory
workbook = WorkBook.Load("sample_excel.xlsx")

# Select worksheet at index 0
worksheet = workbook.WorkSheets[0]

# Connect to SQLite database (or create it if it doesn't exist)
conn = sqlite3.connect('data.db')

# Create a cursor object for database operations
cursor = conn.cursor()

# Define and execute SQL to create a table if it doesn't exist
cursor.execute('''
CREATE TABLE IF NOT EXISTS customer (
    id INTEGER,
    FirstName TEXT,
    LastName TEXT,
    Gender TEXT,
    Country TEXT,
    Age INTEGER
)
''')

# Clear any existing data from the table
cursor.execute("DELETE FROM customer")

# Iteratively insert data from Excel worksheet into SQLite database
for i in range(2, 11):
    # Extracting values from columns A to F in Excel worksheet
    values_tuple = (
        worksheet[f"A{i}"].StringValue,
        worksheet[f"B{i}"].StringValue,
        worksheet[f"C{i}"].StringValue,
        worksheet[f"D{i}"].StringValue,
        worksheet[f"E{i}"].StringValue,
        worksheet[f"F{i}"].StringValue
    )
    # Executing SQL INSERT command
    cursor.execute("INSERT INTO customer VALUES (?, ?, ?, ?, ?, ?)", values_tuple)

# Commit data insertion to the database
conn.commit()

# Execute a SELECT query to retrieve all data from the 'customer' table
cursor.execute("SELECT * FROM customer")

# Fetch all rows from the result set
rows = cursor.fetchall()

# Print each row to verify inserted data
for row in rows:
    print(row)

# Close the database connection to release resources
conn.close()
PYTHON

Abschluss

Zusammenfassend hat dieses Tutorial einen automatisierten Ansatz zur Datenmanipulation aufgezeigt, insbesondere zum Extrahieren und Einfügen von Excel-Daten in eine Datenbank. Dieser Prozess steigert nicht nur die Effizienz des Datenmanagements, sondern erschließt auch dessen volles Potenzial für die Datenverarbeitung. Nutzen Sie die Leistungsfähigkeit von Python und IronXL, um Ihre Daten-Workflows zu optimieren und Ihre Projekte mit Zuversicht voranzutreiben.

Häufig gestellte Fragen

Wie kann ich Daten aus einer Excel-Datei mit Python in eine Datenbank importieren?

Sie können die IronXL-Bibliothek verwenden, um Daten aus einer Excel-Datei in eine Datenbank zu importieren, indem Sie zuerst die Excel-Datei mit `WorkBook.Load()` laden, dann das Arbeitsblatt auswählen und eine Datenbankverbindung mit SQLite herstellen, um die Daten einzufügen.

Welche Vorteile bietet die Verwendung von IronXL für die Verwaltung von Excel-Dateien in Python?

IronXL ermöglicht die Verwaltung von Excel-Dateien, ohne dass Microsoft Excel installiert sein muss, unterstützt plattformübergreifende Operationen, bietet robuste Funktionen wie Verschlüsselung und Formelneuberechnungen und verwaltet Prozesse zur Datenextraktion und -einfügung effizient.

Wie installiere ich IronXL zur Verwendung in Python-Projekten?

Um IronXL für Python-Projekte zu installieren, können Sie den Befehl `pip install IronXL` verwenden. Dadurch wird IronXL in Ihrer Python-Umgebung hinzugefügt, sodass Sie Excel-Dateien effizient verwalten können.

Ist es möglich, Excel-Dateien in Python zu verarbeiten, ohne Microsoft Excel installiert zu haben?

Ja, mit IronXL können Sie Excel-Dateien verarbeiten, ohne dass Microsoft Excel installiert ist. IronXL bietet alle notwendigen Funktionen, um Excel-Dateien unabhängig zu lesen, zu bearbeiten und zu schreiben.

Wie läuft der Prozess ab, um eine Datenbanktabelle für die Speicherung von Excel-Daten in Python zu erstellen?

Um eine Datenbanktabelle in Python zu erstellen, können Sie das SQLite-`sqlite3`-Modul verwenden. Nachdem Sie eine Verbindung mit `connect()` hergestellt haben, führen Sie eine SQL-`CREATE TABLE`-Anweisung über ein Cursor-Objekt aus.

Wie kann ich überprüfen, ob Excel-Daten erfolgreich in eine SQLite-Datenbank eingefügt wurden?

Sie können die Einfügung überprüfen, indem Sie eine `SELECT`-Abfrage zu der Tabelle ausführen und die `fetchall()`-Methode verwenden, um alle Zeilen aus dem Result-Set abzurufen und zu drucken.

Welche Schritte sollten beim Datenmigrationsprozess von Excel zu einer Datenbank unter Verwendung von Python befolgt werden?

Die Schritte umfassen die Installation von IronXL, das Laden der Excel-Datei, das Auswählen des Arbeitsblattes, das Herstellen einer Verbindung zur Datenbank, das Erstellen einer Tabelle sowie das Durchlaufen der Excel-Zeilen, um Daten mit SQL-`INSERT`-Befehlen einzufügen.

Kann IronXL mit Excel-Formeln umgehen und diese in Python neu berechnen?

Ja, IronXL unterstützt Excel-Formeln und kann diese neu berechnen, was eine umfassende Lösung für die Manipulation von Excel-Dateien innerhalb von Python-Anwendungen bietet.

Unterstützt IronXL plattformübergreifende Operationen für die Verwaltung von Excel-Dateien?

Ja, IronXL unterstützt plattformübergreifende Operationen, einschließlich Umgebungen wie Windows, macOS, Linux, Docker, Azure und AWS, was es zu einer vielseitigen Wahl für verschiedene Entwicklungsumgebungen macht.

Wie kann IronXL Datenworkflows in Python-Anwendungen verbessern?

IronXL verbessert Datenworkflows, indem es effiziente Datenextraktions-, -manipulations- und -einfügefunktionen bietet, die Datenmanagementprozesse optimieren und die Leistung datengetriebener Anwendungen verbessern.

Curtis Chau
Curtis Chau
  Jetzt mit dem Ingenieurteam chatten
Technischer Autor

Curtis Chau hat einen Bachelor-Abschluss in Informatik von der Carleton University und ist spezialisiert auf Frontend-Entwicklung mit Expertise in Node.js, TypeScript, JavaScript und React. Leidenschaftlich widmet er sich der Erstellung intuitiver und ästhetisch ansprechender Benutzerschnittstellen und arbeitet gerne mit modernen Frameworks sowie der Erstellung gut strukturierter, optisch ansprechender ...

Weiterlesen

Verwandte Artikel

30-Tage-Testversion → Volles Produkt. Keine Grenzen. Keine Karte. Gratis testen