Python实战：轻松实现Excel转CSV，提升数据处理效率

在数据处理和分析中，Excel转CSV是一个频繁出现的需求。CSV（逗号分隔值）格式因其轻量、通用性强，成为数据交换的标准格式之一。Python作为强大的数据处理语言，提供了多种方法实现Excel到CSV的转换，本文将从基础到进阶，全面介绍相关技术。

为什么选择Python进行Excel转CSV？

• 自动化程度高：避免手动操作，适合批量处理。
• 灵活性强：可以自定义转换逻辑，如数据筛选、清洗。
• 跨平台兼容：在Windows、Linux、macOS上均可运行。

方法一：使用pandas库（推荐）

pandas是Python数据分析的核心库，它内置了高效的Excel和CSV读写功能。以下是基本步骤：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('data.xlsx', engine='openpyxl')

# 保存为CSV文件
df.to_csv('data.csv', index=False, encoding='utf-8')

注意点：

• 安装依赖：pip install pandas openpyxl
• engine参数指定读取引擎，openpyxl支持.xlsx格式。
• index=False避免将索引列写入CSV。

方法二：使用openpyxl库（逐行处理）

如果需要对数据进行更细致的处理，可以使用openpyxl直接操作Excel文件，再手动写入CSV：

from openpyxl import load_workbook
import csv

wb = load_workbook('data.xlsx')
ws = wb.active

with open('data.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    for row in ws.iter_rows(values_only=True):
        writer.writerow(row)

批量处理多个Excel文件

在实际应用中，我们经常需要批量转换。以下是一个完整示例：

import os
import pandas as pd

def batch_convert(excel_dir, csv_dir):
    if not os.path.exists(csv_dir):
        os.makedirs(csv_dir)
    
    for filename in os.listdir(excel_dir):
        if filename.endswith(('.xlsx', '.xls')):
            excel_path = os.path.join(excel_dir, filename)
            csv_name = os.path.splitext(filename)[0] + '.csv'
            csv_path = os.path.join(csv_dir, csv_name)
            
            try:
                df = pd.read_excel(excel_path)
                df.to_csv(csv_path, index=False)
                print(f'成功转换: {filename}')
            except Exception as e:
                print(f'转换失败 {filename}: {e}')

# 使用示例
batch_convert('excel_files', 'csv_output')

常见问题与解决方案

1. 编码问题：指定encoding='utf-8'或'gbk'（中文Windows）。
2. 大文件处理：使用分块读取或chunksize参数避免内存溢出。
3. 数据类型丢失：在转换前检查并调整数据类型。

性能优化建议

• 对于超大Excel文件，考虑使用xlrd库（仅支持旧格式）。
• 利用多线程或异步IO加速批量转换。
• 将转换脚本包装成命令行工具，提高复用性。

总结

通过Python实现Excel转CSV，不仅可以大幅提升工作效率，还能为后续的数据清洗、分析奠定基础。掌握pandas等库的使用，将使你的数据处理能力更上一层楼。