夜雨聆风日常处理数据时，很多朋友第一时间会想到用 Pandas 或者 openpyxl。它们确实很强大，但在实际工作场景中，我们经常会遇到一些让人头疼的问题：Pandas 读写 Excel 经常会把原有的单元格格式、公式甚至图表全搞丢；openpyxl 虽然能保留部分格式，但操作起来略显繁琐，而且无法实时看到 Excel 的变化。
请在微信客户端打开
这时候，就需要今天的主角登场了——xlwings。
和传统的库不同，xlwings 是通过调用系统底层的 COM 组件（Windows）或 AppleScript（Mac）来直接“遥控” Excel 应用程序的。这意味着，你在 Excel 里能手动做的事情，xlwings 基本都能用 Python 跑着做，而且完美保留所有原汁原味的格式。
废话不多说，我们先来看看它的工作原理，然后直接上代码实战。
xlwings 是如何工作的？
理解 xlwings 的层级结构，写代码就不会迷路。它的控制逻辑是从大到小，层层递进的。以下是它的核心流转过程：
graph TDA[Python 脚本] -->|驱动| B(xlwings 引擎)B -->|建立连接| C{Excel 应用程序 App}C -->|管理| D[工作簿 Workbook]D -->|操作| E[工作表 Sheet]E -->|读写| F[单元格 Range]
正如流程图所示，我们要操作一个单元格，首先要唤醒 Excel 程序，然后打开工作簿，选定工作表，最后才是操作具体的范围。
实战代码一：基础读写与隐式操作
很多时候我们希望程序在后台默默干活，不要弹出 Excel 界面打扰我们。下面这段代码展示了如何隐蔽地打开一个包含多站点数据的表格，并写入和读取数据。
假设我们正在处理 2023 到 2024 年的卫星遥感数据。
import xlwings as xw# visible=False 表示不要显示Excel界面，在后台默默运行# add_book=False 表示不要一上来就自动新建一个空白工作簿app = xw.App(visible=False, add_book=False)# 打开我们已经存在的本地文件wb = app.books.open('GF3_Data_2023_2024.xlsx')# 选中名为 "Bayan Nur" (巴彦淖尔) 的工作表sheet = wb.sheets['Bayan Nur']# 批量写入表头sheet.range('A1').value = ['站点名称', '获取日期', '后向散射系数', '实测土壤水分', '反演RMSE']# 写入一行具体的业务数据sheet.range('A2').value = ['巴彦淖尔站点_01', '2024-05-12', -12.5, 0.18, 0.035]# 将刚才写入的数据读取出来，放入一个列表中# options(ndim=2) 确保读取出来的是二维列表，方便后续处理data = sheet.range('A1:E2').options(ndim=2).valueprint("后台读取到的数据如下：")for row in data:print(row)# 养成良好习惯，保存并关闭文件，最后退出Excel程序wb.save()wb.close()app.quit()
实战代码二：多工作表批量处理与格式修改
如果是跨多个 Sheet 进行批量检查，xlwings 的优势就体现出来了。比如我们有一个汇总了 27 个站点数据的 Excel 文件，现在需要批量检查所有大安（Da'an）、吐鲁番（Turpan）等站点的数据，把误差过大的数值高亮显示出来。
import xlwings as xw# 这一次我们让可见，方便看着程序自动处理app = xw.App(visible=True, add_book=False)wb = app.books.open('Station_Data_Summary.xlsx')# 遍历工作簿中的所有工作表for sheet in wb.sheets:# 动态获取当前工作表中有数据的最后一行# 相当于在Excel里按 Ctrl + 向上箭头last_row = sheet.range('A' + str(sheet.cells.last_cell.row)).end('up').row# 假设均方根误差 (RMSE) 数据记录在 E 列# 从第二行开始遍历（跳过表头）for i in range(2, last_row + 1):rmse_cell = sheet.range(f'E{i}')# 提取值进行逻辑判断if rmse_cell.value is not None and rmse_cell.value > 0.05:# 发现误差大于0.05的异常值，修改单元格背景色为红色 (RGB值)rmse_cell.color = (255, 100, 100)# 调用原生的 api 将字体加粗，极其方便rmse_cell.api.Font.Bold = True# 另存为新文件，避免覆盖原始数据wb.save('Station_Data_Summary_Checked.xlsx')wb.close()app.quit()
实战代码三：打通 Pandas 与 Matplotlib 画图模块
这也是 xlwings 最吸引人的功能之一。它可以直接接收 Pandas 的 DataFrame，甚至可以把你用 Matplotlib 画好的图表，原封不动地贴到 Excel 里面去，做自动化报告非常顺手。
import xlwings as xwimport pandas as pdimport matplotlib.pyplot as plt# 随便准备一点时间序列数据df = pd.DataFrame({'观测月份': ['4月', '5月', '6月', '7月', '8月'],'平均地表粗糙度': [1.2, 1.5, 1.3, 1.4, 1.1]})# 用 Matplotlib 画一个简单的趋势折线图fig = plt.figure(figsize=(7, 4))plt.plot(df['观测月份'], df['平均地表粗糙度'], marker='o', color='b')plt.title('2024年春夏地表参数变化趋势')plt.ylabel('Roughness Parameter')plt.grid(True)# 启动 Excel 并新建一个工作簿app = xw.App(visible=True, add_book=True)wb = app.books[0]sht = wb.sheets[0]# 一键把 DataFrame 写进 Excel# options(index=False) 意思是不要把 Pandas 默认的 0,1,2,3 索引写进去sht.range('A1').options(index=False).value = df# 一键把刚才画的图表插入到 Excel 中# 设定图片左上角对齐到 D1 单元格，完美排版sht.pictures.add(fig, name='Trend_Chart', update=True, left=sht.range('D1').left, top=sht.range('D1').top)# 留着界面不关闭，方便大家直观感受效果# 实际生产环境中记得加上 wb.save() 和 app.quit()
总结
其实 xlwings 的功能远不止于此，它甚至支持用 Python 来替代复杂的 VBA 宏，也就是直接在 Excel 里面写自定义函数（UDF），让 Excel 里的公式直接调用你写好的 Python 代码。
如果你平时的业务涉及到大量带格式的模板填充、多表数据清洗汇总，或者需要生成带图表的自动化报告，强烈建议把 xlwings 纳入你的工具箱，它绝对能帮你省下大把的加班时间。
