Python操作Excel的Xlwings教程(五)

在上篇推文《操作Excel的Xlwings教程(四)》中重点介绍了Xlwings中的Shape和Chart等API知识点。本次推文将继续上次的知识点,将继续介绍Xlwings中其他API相关的知识,并展示一些小例子,让大家可以跟着教程进行学习:

一、Pictures

图片类的操作在Excel中是非常常见的,那么在Xlwings中对图片的操作有哪些常用的方法和属性呢?接下来我将介绍其中的一些常用的操作,假设我们现在有一个文件1.xlsx,其sheet页的有两张图片:

image

我们来看一些代码:

import xlwings as xwwb = xw.Book('1.xlsx')wb.sheets[0].pictures         # 查看引用的sheet页中图片的对象wb.sheets[0].pictures.count   # 统计引用的sheet页中图片对象的数量,次数输出2

那么我们如何增加新的图片呢,我们可以这样进行操作:

wb.sheets[0].pictures.add(r'C:\Users\LEGION\Desktop\1.jpg')  

当然了增加的图片会有默认的位置,具体的位置大家一试便知,值的说明的是这个add()方法它有几个参数,总结如下:


image.png

值的一提的是,Xlwings支持对Matpoltlib对象的操作,那么在Xlwings中怎么插入Matplotlib的图像呢?

import matplotlib.pyplot as pltimport numpy as npx = [-4,-3,-2,-1,0,1,2,3,4]figure = plt.figure()plt.plot(np.cos(x)/2,np.sin(x)/3)wb.sheets[0].pictures.add(figure, name='sin#cos', update=True) 

当然,可同样使用上述介绍的参数对图片的位置和大小进行调整。

二、Picture

老话:picture对象是pictures集合的成员

方法和属性:

wb.sheets[0].pictures[0]            #引用图片,或者wb.sheets[0].charts['PictureName']wb.sheets[0].pictures[0].delete()   # 删除图片wb.sheets[0].pictures[0].height     # 返回或设置代表图片高度wb.sheets[0].pictures[0].left       # 返回或设置图片水平位置wb.sheets[0].pictures[0].width      # 返回或设置图片宽度。wb.sheets[0].pictures[0].top        # 返回或设置图片垂直位置。wb.sheets[0].pictures[0].name       #返回或设置图片的名称。wb.sheets[0].pictures[0].parent     # 返回图片的父级,输出<Sheet[1.xlsx]Sheet1>wb.sheets[0].pictures[0].update('图片路径')    #用新图片替换现有图片

以上就是picture对象的相关方法,注意在使用这些方法的时候一定要引用正确的sheet页的picture,不要引用错对象。

前几篇推文和今天介绍的picture就是Xlwings中常见的一些对象知识了。

三、题外分析

有人有可能有这样的一个疑问,Excel的VBA和Xlwings在处理数据方面速度是怎样的呢?这里不在进行写代码的方式来说明,我们来分析一下看看,以便分析一下VBA的在这方面的优势和不足,假设我们现在要计算上十万行Excel文件,操作其中两列数据的和:

方法1:使用Xlwings读Range的数据进行操作,显然这种方式要使用for循环反复的引用range对象,使得在计算的过程中这是非常耗时的。

方法2:使用Xlwings将数据一次性读入python的List中,在List中进行计算返回结果,这样的操作方式避免了大量引用range对象,减少了耗时,当然了数量量很大的时候也就对设备的内存提出了新的要求。

方法3:使用VBA进行操作。VBA是Visual Basic的一种宏语言,是在其桌面应用程序中执行通用的自动化(OLE)任务的编程语言。跟使用使用第三方库不一样的是,VBA操作的时候是基于更加底层的接口来实现的,所以从这个角度来看,这种方式是肯定比方法1快的。

方法4:当然了,我们知道xlwings是支持pandas的对象的,因此我们也可以使用pandas来进行处理,毕竟pandas是处理数据的神器,而且pandas处理大量的数据也有其独有的优势,这是值得我们注意的。

不管哪种方式,都是解决问题的方式,都值得我们在平时的学习中进行总结和归纳,感兴趣的小伙伴可以生成数据实时这几种方式到底哪种更优哦。

下次的文章内容还没想好写什么,不过也都是跟python,机器学习,办公自动化等相关的内容啦!因为有一些小伙伴不懂python嘛,所以本人可能更新python的基础教程,当然在每次的基础教程后面,本人会出题提供大家练习,也会根据所写的内容进行拓展哦!

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352