Zum Fußzeileninhalt springen
VERWENDUNG VON IRONXL FüR PYTHON

Excel-Datei in Python ohne Pandas lesen (kein Interop benötigt)

Das Lesen von Microsoft Excel- Dateien mit Python ist eine unerlässliche Fähigkeit für verschiedene datenbezogene Aufgaben und hat sich in Bereichen wie Data Science, Datenanalyse, Business Intelligence und Automatisierung zu einer Standardpraxis entwickelt. Excel ist aufgrund seiner benutzerfreundlichen Oberfläche und seines großen Funktionsumfangs eines der am häufigsten verwendeten Tools zum Speichern und Organisieren von Daten. Bei Microsoft Excel ist pandas die erste Bibliothek, die einem in den Sinn kommt, aber es gibt auch andere robuste Bibliotheken wie IronXL , die Leistung und Geschwindigkeit bieten.

IronXL für Python ist eine robuste Bibliothek, die für die Arbeit mit Excel-Dateien entwickelt wurde. Es ermöglicht Entwicklern, Daten nahtlos zu erstellen, zu lesen, zu analysieren und Excel-Tabellen zu bearbeiten. Zu den Hauptvorteilen von IronXL gehören die einfache Bedienbarkeit, die leistungsstarken Funktionen und die Tatsache, dass Microsoft Excel nicht auf dem Server installiert sein muss.

Wie man Excel-Dateien in Python ohne Pandas mit IronXL liest

Schritt 1: Importieren Sie die IronXL-Bibliothek.

Schritt 2: Lizenzschlüssel hinzufügen.

Schritt 3: Laden Sie die Excel-Datei.

Schritt 4: Excel-Dateien mit IronXL lesen.

Wir stellen IronXL vor

! Excel-Datei in Python ohne Pandas lesen (keine Interoperabilität erforderlich): Abbildung 1

IronXL bietet robuste Funktionen für die Bearbeitung von Excel-Dateien, darunter die Unterstützung mehrerer Tabellenblätter, die Zellformatierung, das Lesen und Schreiben verschiedener Dateiformate (wie .xlsx und .xls) sowie die Arbeit mit großen Datensätzen, was es zu einem vielseitigen Werkzeug für Datenmanipulationsaufgaben macht.

Hauptmerkmale der IronXL-Bibliothek für Python

  1. Einfache Handhabung von Excel-Dateien : IronXL vereinfacht das Lesen , Schreiben und Bearbeiten von Excel-Dateien in Python. Mit IronXL können Sie Excel-Dateien einfach bearbeiten und speichern . Es unterstützt auch CSV- und XLS-Dateien.
  2. Unterstützung mehrerer Tabellenblätter : IronXL kann Daten problemlos über mehrere Tabellenblätter innerhalb einer einzigen Excel-Arbeitsmappe lesen und schreiben. Dies ist ideal für die Arbeit mit Excel-Dateien, die verschiedene Datentypen oder Berichte auf mehreren Tabellenblättern enthalten.
  3. Daten lesen und schreiben :
    • Daten lesen : IronXL ermöglicht den Zugriff auf einzelne Zellen oder ganze Zeilen und Spalten in einer Excel-Datei. Es unterstützt das Lesen von Werten aus allen Zelltypen, einschließlich Text, Zahlen und Datumsangaben.
    • Daten schreiben : Die Bibliothek unterstützt das Schreiben von Excel-Dateien, egal ob Sie vorhandene Zellen aktualisieren oder neue Daten hinzufügen möchten. Sie unterstützt außerdem das CSV-Format ohne Import des CSV-Moduls sowie XLSX-Dateien.
  4. Zellformatierung : IronXL bietet die Möglichkeit, Excel-Zellen zu formatieren. Sie können Textfarbe, Schriftgröße, Rahmen und andere visuelle Stile direkt im Python-Skript festlegen. Dies ist nützlich, um Berichte mit einer bestimmten Formatierung zu erstellen oder wenn Sie bestimmte Datenpunkte hervorheben möchten.
  5. Kompatibilität mit verschiedenen Excel-Formaten : IronXL kann mehrere Excel-Dateiformate verarbeiten, darunter das .xlsx-Dateiformat, das .xls-Dateiformat und das .csv-Dateiformat. Dadurch eignet es sich vielseitig für die Interaktion mit Excel-Dateien, die von verschiedenen Systemen geteilt oder exportiert werden.
  6. Unterstützung für große Dateien : IronXL ist für die Verarbeitung großer Excel-Dateien mit vielen Zeilen und Spalten optimiert und eignet sich daher für Datenanalyseaufgaben, die massive Datensätze umfassen.
  7. Plattformübergreifend : IronXL basiert zwar auf .NET-Technologien, ist aber plattformübergreifend und kann über Python unter Windows, macOS und Linux verwendet werden.

Schritt 1: Importieren Sie die IronXL-Bibliothek

Importieren Sie IronXL mithilfe des Python-Paketmanagers, um Daten aus Excel-Tabellen zu lesen.

pip install ironxl
pip install ironxl
SHELL

Importieren Sie anschließend die benötigten Bibliotheken aus IronXL:

from ironxl import License, WorkBook, WorkSheet
from ironxl import License, WorkBook, WorkSheet
PYTHON

Schritt 2: Lizenzschlüssel hinzufügen

IronXL benötigt einen Lizenzschlüssel. Holen Sie sich hier Ihre kostenlose Lizenz und fügen Sie die Lizenz oben im Code ein.

License.LicenseKey = "Your Key"
License.LicenseKey = "Your Key"
PYTHON

Schritt 3: Laden Sie die Excel-Datei

Laden Sie die Excel-Datei mit der Funktion WorkBook.Load() . Diese Methode gibt ein Workbook-Objekt zurück, das die gesamte Excel-Datei repräsentiert.

# Load the workbook
workbook = WorkBook.Load('sample.xlsx')
# Load the workbook
workbook = WorkBook.Load('sample.xlsx')
PYTHON

Schritt 4: Excel-Dateien mit IronXL lesen

Verwenden Sie nun das Arbeitsmappenobjekt, um die Tabellenblätter zu lesen und anschließend die Daten in den Tabellenblättern auszulesen.

# Iterate over all worksheets
for sheet in workbook.WorkSheets:
    print(f"Sheet Name: {sheet.Name}")
    for row in sheet.Rows:
        # Print each row's values
        print([cell.Value for cell in row]) # excel data
# Iterate over all worksheets
for sheet in workbook.WorkSheets:
    print(f"Sheet Name: {sheet.Name}")
    for row in sheet.Rows:
        # Print each row's values
        print([cell.Value for cell in row]) # excel data
PYTHON

Vollständiger Code

Eingabe-Excel-Datei

! Excel-Datei in Python ohne Pandas lesen (keine Interoperabilität erforderlich): Abbildung 2

from ironxl import License, WorkBook, WorkSheet

# Set the IronXL license key
License.LicenseKey = "Your Key"

# Load the Excel workbook
workbook = WorkBook.Load('sample.xlsx')

# Iterate through the sheets in the workbook
for sheet in workbook.WorkSheets:
    # Print the name of each sheet
    print(f"Sheet Name: {sheet.Name}")
    # Iterate through the rows in the current sheet
    for row in sheet.Rows:
        # Print each row's values as a list
        print([cell.Value for cell in row])
from ironxl import License, WorkBook, WorkSheet

# Set the IronXL license key
License.LicenseKey = "Your Key"

# Load the Excel workbook
workbook = WorkBook.Load('sample.xlsx')

# Iterate through the sheets in the workbook
for sheet in workbook.WorkSheets:
    # Print the name of each sheet
    print(f"Sheet Name: {sheet.Name}")
    # Iterate through the rows in the current sheet
    for row in sheet.Rows:
        # Print each row's values as a list
        print([cell.Value for cell in row])
PYTHON

Code-Erklärung

Der bereitgestellte Code demonstriert, wie man mit IronXL Daten aus einer Excel-Datei mit mehreren Tabellenblättern liest. Hier ist eine schrittweise Erklärung des Codes:

1. Lizenzschlüssel einrichten

Die erste Zeile des Codes richtet die IronXL-Lizenz ein, indem der Lizenzschlüssel mithilfe der Eigenschaft License.LicenseKey angegeben wird. Dies ist erforderlich, um die IronXL-Bibliothek zu aktivieren und sicherzustellen, dass sie uneingeschränkt genutzt werden kann.

2. Laden der Excel-Arbeitsmappe

In der zweiten Zeile wird die Methode WorkBook.Load() verwendet, um eine Excel-Datei ( sample.xlsx ) in ein WorkBook Objekt zu laden. Dieses Objekt repräsentiert die gesamte Arbeitsmappe (d. h. die Excel-Datei) und enthält alle Tabellenblätter und Daten innerhalb der Datei.

3. Iterieren durch die Tabellen

Der Code durchläuft dann die Tabellenblätter der Arbeitsmappe. Die WorkBook.WorkSheets Eigenschaft ermöglicht den Zugriff auf alle Tabellenblätter der geladenen Arbeitsmappe. Für jedes Blatt wird der Name des Blattes mit sheet.Name ausgegeben. Dies ist hilfreich, um festzustellen, welches Blatt gerade verarbeitet wird, insbesondere bei der Arbeit mit mehreren Blättern.

4. Daten von jedem Blatt lesen und drucken

Innerhalb jedes Tabellenblatts durchläuft der Code mithilfe von sheet.Rows jede Zeile. Jede Zeile stellt eine Sammlung von Zellen in dieser spezifischen Zeile dar. Der Code extrahiert dann mithilfe cell.Value den Wert jeder Zelle in der Zeile und gibt ihn für jede Zeile als Liste aus.

Ausgabe

! Excel-Datei in Python ohne Pandas lesen (keine Interoperabilität erforderlich): Abbildung 3

IronXL-Lizenz (Testversion verfügbar)

IronXL funktioniert mit einem gültigen Lizenzschlüssel im Code. Nutzer können sich ganz einfach über die Lizenzseite eine Testlizenz besorgen. Um die Lizenz zu verwenden, platzieren Sie die Lizenz an einer geeigneten Stelle im Code, wie unten gezeigt, bevor Sie die IronXL-Bibliothek verwenden.

ironxl.License.LicenseKey = "Your License Key"
ironxl.License.LicenseKey = "Your License Key"
PYTHON

Abschluss

IronXL ist die beste Alternative zum Pandas-Modul, wenn es um die Bearbeitung von Excel-Dateien geht. Es bietet eine leistungsstarke und unkomplizierte Möglichkeit, Excel-Dateien in Python zu verarbeiten, ohne dass pandas importiert werden muss. Es unterstützt verschiedene Excel-Formate und ist daher eine ausgezeichnete Wahl für Entwickler, die Datenverarbeitungs- und Berichtsaufgaben automatisieren möchten. Entwickler, die eine Alternative zu pandas suchen, können problemlos mit IronXL beginnen, das volle Unterstützung für das Lesen, Schreiben und Bearbeiten von Excel-Tabellen bietet.

Häufig gestellte Fragen

Wie kann ich eine Excel-Datei in Python lesen, ohne pandas zu verwenden?

Sie können IronXL verwenden, um Excel-Dateien in Python zu lesen, ohne pandas zu verwenden. IronXL bietet Methoden zum Laden von Excel-Dateien und ermöglicht den einfachen Zugriff auf deren Daten, was es zu einer robusten Alternative macht.

Welche Vorteile bietet IronXL beim Lesen von Excel-Dateien in Python?

IronXL bietet Leistungs- und Geschwindigkeitsvorteile, erfordert keine Installation von Microsoft Excel, unterstützt mehrere Blätter und verarbeitet große Datensätze effizient, was es für Datenverarbeitungsaufgaben vorteilhaft macht.

17. Wie installiere ich IronXL zur Verwendung in Python?

Um IronXL in Python zu installieren, verwenden Sie den Befehl pip install ironxl, um die Bibliothek in Ihrer Python-Umgebung herunterzuladen und einzurichten.

Kann IronXL Excel-Dateien mit mehreren Blättern verarbeiten?

Ja, IronXL unterstützt das Lesen und Schreiben von Daten über mehrere Blätter innerhalb einer einzelnen Excel-Arbeitsmappe, was es für die Handhabung komplexer Datensätze geeignet macht.

Ist es möglich, große Excel-Dateien mit IronXL zu lesen?

IronXL ist darauf optimiert, große Excel-Dateien mit vielen Zeilen und Spalten zu verarbeiten, was es für die Arbeit mit umfangreichen Datensätzen geeignet macht.

Wie richtet man eine Lizenz in Python für IronXL ein?

Sie können den IronXL-Lizenzschlüssel in Ihrem Python-Skript mithilfe der License.LicenseKey-Eigenschaft einrichten. Eine Testlizenz kann auf der IronXL-Lizenzseite bezogen werden.

Welche Dateiformate kann IronXL in Python lesen?

IronXL unterstützt verschiedene Excel-Dateiformate, darunter .xlsx, .xls und .csv, was es vielseitig für unterschiedliche Datenverarbeitungsanforderungen macht.

Ist IronXL eine plattformübergreifende Bibliothek?

Ja, IronXL ist eine plattformübergreifende Bibliothek, die unter Windows, macOS und Linux über Python verwendet werden kann, obwohl sie auf .NET-Technologien basiert.

Wie ist der Ablauf zum Laden einer Excel-Datei mit IronXL in Python?

Sie können eine Excel-Datei mit der WorkBook.Load()-Methode von IronXL laden, die ein WorkBook-Objekt zurückgibt, das die gesamte Excel-Datei repräsentiert.

Was sind die wichtigsten Funktionen von IronXL zur Manipulation von Excel-Dateien?

IronXL bietet eine einfache Handhabung von Excel-Dateien, Unterstützung für mehrere Blätter, Datenlese- und Schreibfähigkeiten, Zellenformatierungsoptionen, Kompatibilität mit verschiedenen Excel-Formaten und die Fähigkeit, große Datensätze effizient zu verwalten.

Curtis Chau
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