Pandas通过read_excel和to_excel方法实现Excel读写，需安装pandas、openpyxl等库；可指定工作表、跳过行、解析日期，支持多表读取与写入，结合DataFrame操作完成数据处理。
使用Pandas处理Excel文件非常方便，主要依赖于pandas.read_excel()和df.to_excel()两个核心方法。只要安装好相关库，就能轻松读取和写入Excel数据。
安装与环境准备
Pandas本身不直接支持Excel格式，需要额外安装引擎：
- 安装pandas：pip install pandas
- 读取.xlsx文件需要openpyxl：pip install openpyxl
- 如果要读写旧版.xls文件，可安装xlrd：pip install xlrd
确保版本兼容，尤其是处理xlsx文件时，推荐使用较新版本的openpyxl。
读取Excel文件
使用pd.read_excel()可以将Excel数据加载为DataFrame：
- 基础用法：df = pd.read_excel("data.xlsx") —— 默认读取第一个工作表
- 指定工作表：pd.read_excel("data.xlsx", sheet_name="Sheet2")
- 通过索引选表：pd.read_excel("data.xlsx", sheet_name=0)
- 读多个表：pd.read_excel("data.xlsx", sheet_name=["Sheet1", "Sheet2"]) 返回字典
- 跳过行或设置列名：pd.read_excel("data.xlsx", skiprows=2, usecols="A:D")
注意：如果第一行不是标题，可以设置header=None，让Pandas自动生成列名。
处理数据
读入数据后，就可以用Pandas进行各种操作：
- 查看前几行：df.head()
- 检查数据类型：df.dtypes
- 处理缺失值：df.dropna() 或 df.fillna(0)
- 筛选数据：df[df["销售额"] > 1000]
- 添加新列：df["利润率"] = df["利润"] / df["销售额"]
Excel中常见的日期列，Pandas可通过parse_dates参数自动识别：
pd.read_excel("data.xlsx", parse_dates=["日期"])
写入Excel文件
处理完数据后，可以用to_excel()保存结果：
- 基本保存：df.to_excel("output.xlsx", index=False) —— 建议关闭index避免多余列
- 写入特定工作表：df.to_excel("output.xlsx", sheet_name="处理结果", index=False)
- 多个表写入一个文件：
需使用pd.ExcelWriter：
df1.to_excel(writer, sheet_name="汇总", index=False)
df2.to_excel(writer, sheet_name="明细", index=False)
基本上就这些。读、处理、写三步走，配合openpyxl等引擎，Pandas能高效完成大多数Excel数据任务。关键是熟悉参数，避免格式错乱或数据丢失。
