Python实现TXT文本数据转Excel：数值类型转换与平均值计算教程

1. 引言

在数据处理的日常工作中，我们经常需要将数据从一种格式转换到另一种格式。其中，将纯文本文件（如txt）中的数据导入到电子表格（如excel）中，并进行后续的数值处理和分析，是一项常见的任务。本教程将重点讲解如何利用python的openpyxl库，高效地完成这一转换过程，特别是在处理数值类型转换和计算平均值方面的细节。

2. 环境准备

在开始之前，请确保您的Python环境中已安装openpyxl库。如果尚未安装，可以通过以下命令进行安装：

pip install openpyxl

3. 数据源示例

假设我们有一个名为AI.txt的文本文件，其中包含学生的分数数据，格式如下：

Student1 85 90
Student2 78 82
Student3 92 88
Student4 65 70
Student5 70 75
Student6 80 85

我们的目标是将这些数据写入Excel文件，确保分数是整数类型，并为每位学生添加一个包含两门科目平均分的列。

4. 核心步骤与实现

4.1 读取TXT文件数据

首先，我们需要打开并读取TXT文件的内容。使用with open(...)语句可以确保文件在使用完毕后被正确关闭。readlines()方法将文件中的每一行读取为一个字符串列表。

立即学习“Python免费学习笔记（深入）”；

with open('AI.txt', 'r') as file:
    lines = file.readlines()

4.2 初始化Excel工作簿与工作表

接下来，创建一个新的Excel工作簿，并在其中创建一个名为“qq”的工作表。openpyxl.Workbook()用于创建工作簿，create_sheet()用于添加工作表。index=0参数确保新创建的工作表是工作簿中的第一个工作表。

import openpyxl

workbook = openpyxl.Workbook()
# 创建名为'qq'的工作表，并将其设置为第一个工作表
sheet = workbook.create_sheet(index=0, title='qq')

# （可选）如果默认创建的Sheet是空的，可以删除它
# if 'Sheet' in workbook.sheetnames:
#     del workbook['Sheet']

4.3 逐行处理数据并写入Excel（含类型转换）

这是整个过程中最关键的一步，我们需要遍历从TXT文件中读取的每一行数据，将其拆分成独立的单元格值，并进行类型转换。特别是，对于数值数据，我们需要确保它们被正确转换为整数类型。

LongShot

LongShot 是一款 AI 写作助手，可帮助您生成针对搜索引擎优化的内容博客。

下载

for line in lines:
    cur = line.strip().split() # 移除空白字符并按空格分割
    # 遍历当前行的数据，如果元素是数字，则转换为整数；否则保留原样
    processed_row = [int(a) if a.isdigit() else a for a in cur]
    sheet.append(processed_row) # 将处理后的行添加到Excel工作表中

关键点解析：

• line.strip().split()：strip()移除行首尾的空白字符（包括换行符），split()将字符串按空格分割成列表。
• int(a) if a.isdigit() else a：这是一个列表推导式，用于对cur列表中的每个元素a进行条件判断。a.isdigit()检查字符串是否只包含数字字符。如果是，则使用int()将其转换为整数；否则，保持其原始字符串形式（这对于非数字字段如学生姓名很重要）。这种方法比直接int(val)更健壮，可以避免因非数字字符导致ValueError。

4.4 计算并添加平均值列

在数据写入Excel后，我们需要遍历已写入的行，计算每位学生的平均分数，并将其添加到一个新的列中。同时，我们也会为这个新列添加一个标题。

# 为平均值列添加标题
sheet.cell(row=1, column=4, value="Mean")

# 从第二行开始遍历，因为第一行通常是标题或学生姓名
# max_col设置为3，确保只处理前三列（姓名、分数1、分数2）
for row_idx in range(2, sheet.max_row + 1):
    # 获取当前行的所有单元格值
    current_row_values = [sheet.cell(row=row_idx, column=col_idx).value for col_idx in range(1, sheet.max_column + 1)]

    # 筛选出数值类型的数据（整数或浮点数）进行平均值计算
    numeric_values = [val for val in current_row_values if isinstance(val, (int, float))]

    if numeric_values: # 避免除以零的错误
        avg_value = sum(numeric_values) / len(numeric_values)
        # 将平均值写入第四列
        sheet.cell(row=row_idx, column=4, value=avg_value)

关键点解析：

• sheet.cell(row=1, column=4, value="Mean")：在第一行第四列写入列标题“Mean”。
• for row_idx in range(2, sheet.max_row + 1)：从第二行开始迭代，因为第一行通常是标题或非数值数据。sheet.max_row获取当前工作表的最大行号。
• isinstance(val, (int, float))：在计算平均值时，这个条件判断非常重要。它确保只有真正的数值（整数或浮点数）被纳入计算，避免了将文本数据（如学生姓名）错误地包含在内。
• sheet.cell(row=row_idx, column=4, value=avg_value)：将计算出的平均值写入当前行的第四列。

4.5 保存Excel文件

最后一步是将修改后的工作簿保存为.xlsx文件。

workbook.save('AI56.xlsx')

5. 完整示例代码

将以上所有步骤整合，即可得到一个完整的Python程序：

import openpyxl

# 1. 读取TXT文件数据
with open('AI.txt', 'r') as file:
    lines = file.readlines()

# 2. 初始化Excel工作簿与工作表
workbook = openpyxl.Workbook()
sheet = workbook.create_sheet(index=0, title='qq') # 创建名为'qq'的工作表作为第一个工作表

# 3. 逐行处理数据并写入Excel（含类型转换）
for line in lines:
    cur = line.strip().split()
    # 列表推导式：如果元素是数字，则转换为整数；否则保留原样
    processed_row = [int(a) if isinstance(a, str) and a.isdigit() else a for a in cur]
    sheet.append(processed_row)

# 4. 计算并添加平均值列
# 为平均值列添加标题
sheet.cell(row=1, column=4, value="Mean")

# 从第二行开始遍历（假设第一行是标题或不参与平均计算）
for row_idx in range(2, sheet.max_row + 1):
    # 获取当前行的所有单元格值
    # 注意：这里我们只关心前两列（分数）进行平均值计算，假设它们在第2和第3列
    # 如果数据结构有变化，需要调整列索引
    score1 = sheet.cell(row=row_idx, column=2).value
    score2 = sheet.cell(row=row_idx, column=3).value

    # 筛选出数值类型的数据（整数或浮点数）进行平均值计算
    numeric_scores = [val for val in [score1, score2] if isinstance(val, (int, float))]

    if numeric_scores: # 避免除以零的错误
        avg_value = sum(numeric_scores) / len(numeric_scores)
        # 将平均值写入第四列
        sheet.cell(row=row_idx, column=4, value=avg_value)
    else:
        # 如果没有数值数据可供计算，可以留空或写入特定值
        sheet.cell(row=row_idx, column=4, value="N/A")

# 5. 保存Excel文件
workbook.save('AI56.xlsx')

print("数据已成功从 AI.txt 导入到 AI56.xlsx，并计算了平均值。")

6. 注意事项与最佳实践

• 数据清洗与验证： 在实际应用中，TXT文件中的数据可能不总是那么规整。在isdigit()判断之外，可以考虑使用try-except块来捕获ValueError，以更健壮地处理无法转换为数字的字符串。例如：

  def safe_int_conversion(s):
      try:
          return int(s)
      except ValueError:
          return s # 或返回 None，或记录错误
  # processed_row = [safe_int_conversion(a) for a in cur]

• 列索引的灵活性： 在计算平均值时，请根据您的实际数据结构调整column参数。例如，如果分数在第2和第3列，那么在sheet.cell(row=row_idx, column=col_idx).value中，col_idx应为2和3。
• openpyxl的自动类型识别： 当您将Python中的整数、浮点数或日期时间对象赋值给cell.value时，openpyxl通常会自动识别并以相应的Excel数据类型存储。因此，确保Python端的数据类型正确是关键。
• 文件路径： 确保AI.txt文件与Python脚本在同一目录下，或者提供文件的完整路径。
• 错误处理： 对于文件读写操作，添加适当的错误处理（如try-except块）可以提高程序的健壮性，例如处理文件不存在或写入权限不足的情况。

7. 总结

通过本教程，您学习了如何使用Python和openpyxl库将TXT文本文件中的数据高效地导入到Excel中。我们特别关注了如何确保数值数据被正确地转换为整数类型，以及如何动态计算并添加新的平均值列。掌握这些技能将使您在处理数据转换和初步分析时更加得心应手。