在Python 中使用 openpyxl 和 pandas 处理 Excel 多工作表的实战对比，我会从核心功能、适用场景、代码示例和优缺点四个维度，帮你清晰掌握这两个工具的差异和最佳使用方式。

一、核心背景与适用场景

工具	核心定位	多工作表处理优势	适用场景
openpyxl	专注 Excel 文件的底层操作	精细控制单元格 / 样式 / 公式，支持读写多工作表	需修改 Excel 样式、公式，或精细操作单元格
pandas	数据处理与分析	快速读取 / 写入 / 合并多工作表，数据清洗分析	批量处理数据、数据分析、多表数据整合

二、实战对比：核心操作代码示例

以下以 “读取多工作表 + 写入多工作表” 为核心场景，对比两者的实现方式（准备一个包含Sheet1、Sheet2的 Excel 文件test.xlsx）。

前置准备

安装依赖：

bash

pip install openpyxl pandas

场景 1：读取多工作表数据

1. openpyxl 实现（逐表逐单元格读取）

python

from openpyxl import load_workbook

# 加载Excel文件（只读模式提升性能）
wb = load_workbook("test.xlsx", read_only=True)

# 1. 获取所有工作表名称
sheet_names = wb.sheetnames
print("所有工作表：", sheet_names)  # 输出：['Sheet1', 'Sheet2']

# 2. 遍历读取每个工作表的数据
for sheet_name in sheet_names:
    ws = wb[sheet_name]
    print(f"\n=== 读取工作表：{sheet_name} ===")
    # 逐行读取数据（跳过表头）
    for row in ws.iter_rows(min_row=2, values_only=True):  # values_only=True只取值，不返回单元格对象
        if any(row):  # 跳过空行
            print(row)

# 关闭工作簿
wb.close()

2. pandas 实现（批量读取多工作表）

python

import pandas as pd

# 方式1：读取所有工作表（返回字典，key=表名，value=DataFrame）
df_dict = pd.read_excel("test.xlsx", sheet_name=None)  # sheet_name=None表示读取所有表
print("所有工作表：", list(df_dict.keys()))  # 输出：['Sheet1', 'Sheet2']

# 遍历每个工作表的数据
for sheet_name, df in df_dict.items():
    print(f"\n=== 读取工作表：{sheet_name} ===")
    print(df.head())  # 快速查看前5行数据

# 方式2：指定读取部分工作表
df_specific = pd.read_excel("test.xlsx", sheet_name=["Sheet1"])  # 只读取Sheet1

场景 2：写入多工作表数据

1. openpyxl 实现（创建 / 写入多工作表）

python

from openpyxl import Workbook
from openpyxl.styles import Font, Alignment

# 创建新工作簿
wb = Workbook()

# 删除默认的Sheet
wb.remove(wb.active)

# 定义要写入的数据
data1 = [["姓名", "年龄", "城市"], ["张三", 25, "北京"], ["李四", 30, "上海"]]
data2 = [["商品", "价格", "库存"], ["手机", 2999, 100], ["电脑", 5999, 50]]

# 写入Sheet1并设置样式
ws1 = wb.create_sheet(title="Sheet1")
for row in data1:
    ws1.append(row)
# 设置表头样式（加粗、居中）
header_font = Font(bold=True)
header_align = Alignment(horizontal="center")
for cell in ws1[1]:  # 第一行是表头
    cell.font = header_font
    cell.alignment = header_align

# 写入Sheet2
ws2 = wb.create_sheet(title="Sheet2")
for row in data2:
    ws2.append(row)

# 保存文件
wb.save("output_openpyxl.xlsx")
wb.close()

2. pandas 实现（批量写入多工作表）

python

import pandas as pd

# 定义要写入的数据（DataFrame格式）
df1 = pd.DataFrame({
    "姓名": ["张三", "李四"],
    "年龄": [25, 30],
    "城市": ["北京", "上海"]
})
df2 = pd.DataFrame({
    "商品": ["手机", "电脑"],
    "价格": [2999, 5999],
    "库存": [100, 50]
})

# 创建Excel写入器
with pd.ExcelWriter("output_pandas.xlsx", engine="openpyxl") as writer:
    # 写入Sheet1
    df1.to_excel(writer, sheet_name="Sheet1", index=False)
    # 写入Sheet2
    df2.to_excel(writer, sheet_name="Sheet2", index=False)

# 无需手动关闭，with语句自动处理

场景 3：修改现有工作表数据

1. openpyxl（精准修改单元格）

python

from openpyxl import load_workbook

wb = load_workbook("test.xlsx")
ws = wb["Sheet1"]

# 修改指定单元格（如Sheet1的B2单元格，年龄改为26）
ws["B2"] = 26
# 添加公式（C3单元格计算B2+B3）
ws["C3"] = "=B2+B3"

wb.save("test_modified_openpyxl.xlsx")
wb.close()

2. pandas（批量修改数据后重写）

python

import pandas as pd

# 读取Sheet1
df = pd.read_excel("test.xlsx", sheet_name="Sheet1")
# 修改数据（年龄列全部+1）
df["年龄"] = df["年龄"] + 1

# 重写回原工作表（需覆盖或新增）
with pd.ExcelWriter("test_modified_pandas.xlsx", engine="openpyxl", mode="a", if_sheet_exists="replace") as writer:
    df.to_excel(writer, sheet_name="Sheet1", index=False)

三、核心差异对比表

特性	openpyxl	pandas
数据读取方式	逐单元格 / 逐行读取，灵活但繁琐	批量读取为 DataFrame，高效简洁
样式 / 公式支持	完全支持（字体、颜色、公式、合并单元格）	几乎不支持（仅能读写值，无样式控制）
数据处理能力	弱（需手动遍历处理）	强（筛选、分组、聚合、合并等）
性能（大数据）	差（逐行读取慢）	优（向量化操作，处理百万行数据快）
学习成本	低（专注 Excel 操作，逻辑简单）	中（需掌握 DataFrame 基本操作）
文件格式支持	仅.xlsx（不支持.xls）	支持.xlsx/.xls（需配合 xlrd）
写入方式	支持增量写入、精准修改	需整体重写（增量需借助 ExcelWriter）

四、实战选型建议

1. 选 openpyxl 的场景：

   • 需要修改 Excel 的样式（字体、颜色、边框）、添加 / 修改公式；
   • 只需读取 / 修改少量单元格数据，无需复杂分析；
   • 需对 Excel 文件进行精细化操作（如合并单元格、插入图片）。

2. 选 pandas 的场景：

   • 批量读取 / 写入多工作表数据，进行数据清洗、筛选、统计；
   • 多工作表数据整合（如合并 Sheet1 和 Sheet2 的相同字段）；
   • 处理大数据量（万行级以上），追求效率；
   • 需结合其他数据分析库（如 matplotlib、numpy）做可视化 / 建模。

3. 混合使用场景：

   • 先用 pandas 处理数据（清洗、计算），再用 openpyxl 设置样式；
   • 示例：

     python

     import pandas as pd
     from openpyxl import load_workbook
     
     # 1. pandas处理数据
     df = pd.read_excel("test.xlsx", sheet_name="Sheet1")
     df["年龄"] = df["年龄"] + 1
     
     # 2. 写入Excel
     df.to_excel("temp.xlsx", sheet_name="Sheet1", index=False)
     
     # 3. openpyxl设置样式
     wb = load_workbook("temp.xlsx")
     ws = wb["Sheet1"]
     ws["A1"].font = Font(bold=True)
     wb.save("final.xlsx")
     

总结

1. openpyxl 是 Excel 文件的 “精细化操作工具”，优势在样式、公式、单元格级别的控制，适合 Excel 格式定制；
2. pandas 是数据处理的 “高效工具”，优势在批量数据读取、分析、整合，适合数据层面的处理；
3. 实战中可根据需求选择：纯数据处理选 pandas，需格式定制选 openpyxl，复杂场景可混合使用两者。