Python操作Excel的Xlwings教程(五)

在上篇推文《操作Excel的Xlwings教程(四)》中重點介紹了Xlwings中的Shape和Chart等API知識點。本次推文將繼續上次的知識點,將繼續介紹Xlwings中其他API相關的知識,并展示一些小例子,讓大家可以跟著教程進行學習:

一、Pictures

圖片類的操作在Excel中是非常常見的,那么在Xlwings中對圖片的操作有哪些常用的方法和屬性呢?接下來我將介紹其中的一些常用的操作,假設我們現在有一個文件1.xlsx,其sheet頁的有兩張圖片:

image

我們來看一些代碼:

import xlwings as xwwb = xw.Book('1.xlsx')wb.sheets[0].pictures         # 查看引用的sheet頁中圖片的對象wb.sheets[0].pictures.count   # 統計引用的sheet頁中圖片對象的數量,次數輸出2

那么我們如何增加新的圖片呢,我們可以這樣進行操作:

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

當然了增加的圖片會有默認的位置,具體的位置大家一試便知,值的說明的是這個add()方法它有幾個參數,總結如下:


image.png

值的一提的是,Xlwings支持對Matpoltlib對象的操作,那么在Xlwings中怎么插入Matplotlib的圖像呢?

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) 

當然,可同樣使用上述介紹的參數對圖片的位置和大小進行調整。

二、Picture

老話:picture對象是pictures集合的成員

方法和屬性:

wb.sheets[0].pictures[0]            #引用圖片,或者wb.sheets[0].charts['PictureName']wb.sheets[0].pictures[0].delete()   # 刪除圖片wb.sheets[0].pictures[0].height     # 返回或設置代表圖片高度wb.sheets[0].pictures[0].left       # 返回或設置圖片水平位置wb.sheets[0].pictures[0].width      # 返回或設置圖片寬度。wb.sheets[0].pictures[0].top        # 返回或設置圖片垂直位置。wb.sheets[0].pictures[0].name       #返回或設置圖片的名稱。wb.sheets[0].pictures[0].parent     # 返回圖片的父級,輸出<Sheet[1.xlsx]Sheet1>wb.sheets[0].pictures[0].update('圖片路徑')    #用新圖片替換現有圖片

以上就是picture對象的相關方法,注意在使用這些方法的時候一定要引用正確的sheet頁的picture,不要引用錯對象。

前幾篇推文和今天介紹的picture就是Xlwings中常見的一些對象知識了。

三、題外分析

有人有可能有這樣的一個疑問,Excel的VBA和Xlwings在處理數據方面速度是怎樣的呢?這里不在進行寫代碼的方式來說明,我們來分析一下看看,以便分析一下VBA的在這方面的優勢和不足,假設我們現在要計算上十萬行Excel文件,操作其中兩列數據的和:

方法1:使用Xlwings讀Range的數據進行操作,顯然這種方式要使用for循環反復的引用range對象,使得在計算的過程中這是非常耗時的。

方法2:使用Xlwings將數據一次性讀入python的List中,在List中進行計算返回結果,這樣的操作方式避免了大量引用range對象,減少了耗時,當然了數量量很大的時候也就對設備的內存提出了新的要求。

方法3:使用VBA進行操作。VBA是Visual Basic的一種宏語言,是在其桌面應用程序中執行通用的自動化(OLE)任務的編程語言。跟使用使用第三方庫不一樣的是,VBA操作的時候是基于更加底層的接口來實現的,所以從這個角度來看,這種方式是肯定比方法1快的。

方法4:當然了,我們知道xlwings是支持pandas的對象的,因此我們也可以使用pandas來進行處理,畢竟pandas是處理數據的神器,而且pandas處理大量的數據也有其獨有的優勢,這是值得我們注意的。

不管哪種方式,都是解決問題的方式,都值得我們在平時的學習中進行總結和歸納,感興趣的小伙伴可以生成數據實時這幾種方式到底哪種更優哦。

下次的文章內容還沒想好寫什么,不過也都是跟python,機器學習,辦公自動化等相關的內容啦!因為有一些小伙伴不懂python嘛,所以本人可能更新python的基礎教程,當然在每次的基礎教程后面,本人會出題提供大家練習,也會根據所寫的內容進行拓展哦!

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,431評論 6 544
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,637評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,555評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,900評論 1 318
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,629評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,976評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,976評論 3 448
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,139評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,686評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,411評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,641評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,129評論 5 364
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,820評論 3 350
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,233評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,567評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,362評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,604評論 2 380