摘要：平时做课程设计、社团统计或者比赛数据整理时，经常会遇到 Excel 表格数据量大、重复操作多的问题。本文介绍如何使用 Python 的 Pandas 库读取 Excel 文件，完成数据查看、筛选、分组统计、空值处理、去重、新增列和导出结果等常见操作，适合刚接触 Pandas 的同学快速上手。
一、为什么用 Pandas 处理 Excel
如果表格只有几十行，手动处理还可以接受。但数据一多，筛选、统计、去重、合并都会变得很麻烦，而且容易出错。
Pandas 可以把 Excel 表格读进 Python，用代码完成这些操作。跑一次脚本就能得到结果，后面再遇到类似表格，直接改改参数就行。
二、安装依赖
pip install pandas openpyxl
pandas 是数据处理库，openpyxl 用来读写 .xlsx 文件。如果不装 openpyxl，读取 Excel 时可能会报错。
三、读取 Excel 文件
import pandas as pd df = pd.read_excel("data.xlsx") print(df.head()) print(df.shape)head() 可以查看前几行数据，shape 会返回行数和列数，方便确认表格是否读取成功。
四、查看表格基本信息
print(df.info()) print(df.describe()) print(df.columns)
info() 可以查看每列的数据类型和空值情况；
describe() 会给出数值列的统计信息，比如均值、最大值、最小值；
columns 可以查看表格有哪些列。
五、筛选数据
比如只保留成绩大于 80 的记录：
result = df[df["成绩"] > 80]
筛选某个班级：
result = df[df["班级"] == "一班"]
多个条件可以组合使用，注意每个条件都要用括号包起来，中间用&（与）、|（或）连接：
result = df[(df["班级"] == "一班") & (df["成绩"] > 80)]
六、分组统计
按班级统计平均成绩：
print(df.groupby("班级")["成绩"].mean())统计每个班级的人数：
print(df.groupby("班级").size())分组统计在做成绩分析、活动报名统计、销售数据汇总时都很常用。
七、处理空值
如果表格里有缺失数据，可以直接删除：
df = df.dropna()
也可以用固定值填充：
df["成绩"] = df["成绩"].fillna(0)
具体用哪种方式，要看数据本身的意义。
八、去重
如果表格里存在重复行，可以去重：
df = df.drop_duplicates()
九、新增一列
比如根据成绩生成等级列：
def get_level(score): if score >= 90: return "优秀" elif score >= 80: return "良好" elif score >= 60: return "及格" else: return "不及格" df["等级"] = df["成绩"].apply(get_level)
也可以写成更简洁的形式：
df["等级"] = df["成绩"].apply( lambda x: "优秀" if x >= 90 else "良好" if x >= 80 else "及格" if x >= 60 else "不及格" )
十、导出结果
处理完成后，可以把结果导出成新的 Excel 文件：
df.to_excel("result.xlsx", index=False)index=False 表示不把行索引写入表格，这样导出的文件更干净。
十一、完整示例
import pandas as pd df = pd.read_excel("data.xlsx") print("原始数据行数：", len(df)) df = df.dropna() df = df.drop_duplicates() high_score = df[df["成绩"] > 80] group_result = df.groupby("班级")["成绩"].mean() df["等级"] = df["成绩"].apply( lambda x: "优秀" if x >= 90 else "良好" if x >= 80 else "及格" if x >= 60 else "不及格" ) df.to_excel("result.xlsx", index=False) print("处理完成，已导出 result.xlsx")十二、常见问题
1. 读取 Excel 报错怎么办？
先确认文件路径是否正确，文件名是否包含 .xlsx 后缀，同时确认是否安装了 openpyxl。
2. 中文列名会不会有问题？
一般不会，只要代码里列名和表格里的列名完全一致即可。
3. 数据量很大怎么办？
如果表格特别大，可以先用 head() 查看部分数据，再逐步处理，避免一次性加载过多内容。
十三、可以扩展的方向
学会基础操作后，可以继续尝试：
合并多个 Excel 文件；
读取 CSV、TXT 数据；
按日期、类别生成统计报表；
把处理后的数据导出成图表；
写成自动化脚本，定期处理重复表格。
小结
Pandas 处理 Excel 的核心流程其实很简单：读取表格 → 查看数据 → 筛选和清洗 → 统计分析 → 导出结果。先把这几个步骤跑通，后面遇到课程设计、活动统计或比赛数据时，就能少很多重复操作。
