Cách thao tác tệp Excel hiệu quả bằng Python｜Hướng dẫn sử dụng Pandas và OpenPyXL

By 佐川 直弘 | Naohiro Sagawa (運営者)

※記事内に広告を含みます。Amazonアソシエイトとして適格販売により収入を得ています。

1. Lợi ích của việc thao tác tệp Excel bằng Python

1.1 Bối cảnh

Excel được sử dụng rộng rãi để quản lý dữ liệu và tạo báo cáo kinh doanh, đóng vai trò quan trọng như một công cụ giúp xử lý dữ liệu một cách hiệu quả. Tuy nhiên, nếu xử lý dữ liệu theo cách thủ công, quá trình này sẽ mất nhiều thời gian và dễ xảy ra lỗi. Do đó, bằng cách sử dụng các script tự động của Python để đọc và xử lý dữ liệu Excel, có thể cải thiện đáng kể hiệu suất làm việc và độ chính xác.

1.2 Điểm mạnh của Python

Python là một ngôn ngữ lập trình có thể thực hiện các thao tác phức tạp chỉ với mã lệnh đơn giản. Khi sử dụng các thư viện như Pandas và OpenPyXL, việc đọc và chỉnh sửa tệp Excel trở nên rất dễ dàng. Nhờ vào sự tiện lợi này của Python, có thể tự động hóa công việc và nâng cao hiệu suất làm việc đáng kể.

2. Giới thiệu các thư viện chính để đọc tệp Excel bằng Python

2.1 Đọc tệp Excel bằng Pandas

Pandas là một thư viện Python chuyên về phân tích và xử lý dữ liệu, giúp việc đọc tệp Excel trở nên đơn giản. Với hàm read_excel(), có thể đọc dữ liệu Excel vào DataFrame, giúp thuận tiện cho việc xử lý và phân tích dữ liệu.

import pandas as pd

# Đọc tệp Excel
df = pd.read_excel('example.xlsx')
print(df)

Xử lý nhiều sheet trong một tệp Excel

Với Pandas, cũng có thể đọc tệp Excel có nhiều sheet một cách dễ dàng. Khi sử dụng sheet_name=None, tất cả các sheet sẽ được lấy dưới dạng dictionary.

df_sheets = pd.read_excel('example.xlsx', sheet_name=None)
for sheet_name, df in df_sheets.items():
    print(f"Sheet: {sheet_name}")
    print(df)

2.2 Đọc tệp Excel bằng OpenPyXL

OpenPyXL là một thư viện giúp chỉnh sửa và định dạng tệp Excel, phù hợp khi cần thao tác trực tiếp trên các ô hoặc hàng cụ thể. Ngoài ra, thư viện này cũng có thể giữ nguyên bố cục và biểu đồ của Excel, giúp tự động hóa việc tạo tài liệu kinh doanh.

from openpyxl import load_workbook

# Đọc tệp Excel
wb = load_workbook('example.xlsx')
ws = wb['Sheet1']

# Lấy giá trị của một ô cụ thể
cell_value = ws['A1'].value
print(cell_value)

3. Pandas vs OpenPyXL: Nên chọn cái nào?

3.1 Sự khác biệt về hiệu suất

Pandas rất hiệu quả trong việc tổng hợp và lọc dữ liệu lớn, nhưng khi thao tác với tệp Excel có kích thước lớn, nó có thể tiêu tốn nhiều bộ nhớ. Trong khi đó, OpenPyXL có lợi thế về tối ưu bộ nhớ và có thể đọc tệp Excel một cách hiệu quả bằng cách sử dụng tùy chọn read_only=True.

# Chế độ chỉ đọc trong OpenPyXL
wb = load_workbook('large_file.xlsx', read_only=True)

3.2 Chức năng và tính linh hoạt

Pandas rất tiện lợi khi cần phân tích và xử lý dữ liệu thống kê. Nó cho phép thao tác dữ liệu dưới dạng DataFrame, giúp dễ dàng xử lý và phân tích dữ liệu nhanh chóng. Trong khi đó, OpenPyXL phù hợp hơn với việc chỉnh sửa trực tiếp tệp Excel, hỗ trợ VBA, giữ nguyên bố cục và tạo biểu đồ, giúp thao tác trực tiếp trên tệp Excel một cách linh hoạt.

4. Ví dụ thực tế: Từ việc đọc tệp Excel đến xử lý dữ liệu

4.1 Đọc tệp Excel cơ bản

Dưới đây là một ví dụ đơn giản về cách đọc tệp Excel bằng Pandas.

df = pd.read_excel('sales_data.xlsx')
print(df)

4.2 Thao tác với sheet hoặc ô cụ thể

Sử dụng OpenPyXL để lấy dữ liệu từ một sheet cụ thể hoặc viết dữ liệu mới vào ô.

from openpyxl import load_workbook

wb = load_workbook('sales_data.xlsx')
ws = wb['2023']
print(ws['A1'].value)

# Ghi giá trị mới vào ô
ws['B1'] = 'Dữ liệu mới'
wb.save('updated_sales_data.xlsx')

4.3 Lọc và tổng hợp dữ liệu

Sử dụng Pandas để lọc và tổng hợp dữ liệu dựa trên điều kiện cụ thể.

filtered_df = df[df['Ngày'].between('2023-09-01', '2023-09-30')]
total_sales = filtered_df['Số lượng bán'].sum()
print(f"Tổng số lượng bán trong tháng 9: {total_sales}")

5. Lưu ý và phương pháp tốt nhất khi thao tác với tệp Excel

5.1 Xử lý lỗi

Khi đọc tệp Excel, điều quan trọng là phải xử lý các lỗi có thể xảy ra, chẳng hạn như tệp không tồn tại hoặc dữ liệu có định dạng không mong muốn.

try:
    df = pd.read_excel('non_existent_file.xlsx')
except FileNotFoundError as e:
    print(f"Lỗi: Không tìm thấy tệp: {e}")

5.2 Chú ý đến mã hóa và định dạng

Nếu tệp Excel chứa tiếng Việt hoặc các ký tự đặc biệt, cần đặt mã hóa phù hợp để tránh lỗi hiển thị.

df = pd.read_csv('data.csv', encoding='utf-8')

5.3 Xử lý dữ liệu lớn một cách hiệu quả

Sử dụng tùy chọn chunksize của Pandas hoặc chế độ read_only của OpenPyXL để xử lý các tệp có dung lượng lớn một cách hiệu quả.

# Sử dụng chunksize trong Pandas
chunks = pd.read_csv('large_data.csv', chunksize=1000)
for chunk in chunks:
    print(chunk)

5.4 Giữ định dạng và tạo biểu đồ trong OpenPyXL

OpenPyXL có thể giữ nguyên định dạng của ô khi chỉnh sửa dữ liệu và cũng hỗ trợ tạo biểu đồ trong Excel.

from openpyxl.chart import BarChart, Reference

# Tạo biểu đồ
chart = BarChart()
data = Reference(ws, min_col=2, min_row=1, max_col=2, max_row=10)
chart.add_data(data, titles_from_data=True)
ws.add_chart(chart, "E5")

6. Kết luận: Tối ưu hóa việc thao tác với Excel bằng Python

Pandas và OpenPyXL là những công cụ mạnh mẽ phù hợp với các mục đích khác nhau. Nếu cần phân tích dữ liệu, Pandas là lựa chọn tối ưu. Nếu cần chỉnh sửa tệp Excel và giữ nguyên định dạng, OpenPyXL sẽ hữu ích hơn. Việc kết hợp sử dụng cả hai công cụ này có thể giúp tự động hóa công việc và nâng cao hiệu suất xử lý dữ liệu đáng kể. Sử dụng Python, bạn có thể nâng cao năng suất và tối ưu hóa quy trình làm việc của mình.