Python으로 Excel 파일을 효율적으로 다루는 법 | Pandas·OpenPyXL 활용 가이드

1. Python으로 Excel 파일을 다루는 편의성

1.1 배경

1.2 Python의 강점

2. Python에서 Excel을 불러오기 위한 주요 라이브러리 소개

2.1 Pandas를 사용한 Excel 불러오기

import pandas as pd

# Excel 파일 불러오기
df = pd.read_excel('example.xlsx')
print(df)

여러 시트 다루기

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 OpenPyXL을 사용한 Excel 불러오기

from openpyxl import load_workbook

# Excel 파일 불러오기
wb = load_workbook('example.xlsx')
ws = wb['Sheet1']

# 셀 값 가져오기
cell_value = ws['A1'].value
print(cell_value)

3. Pandas vs OpenPyXL: 어느 것을 선택해야 할까?

3.1 성능의 차이

# OpenPyXL의 읽기 전용 모드
wb = load_workbook('large_file.xlsx', read_only=True)

3.2 기능과 범용성

4. 실제 사용 예: Excel 파일 불러오기부터 데이터 처리까지

4.1 기본적인 Excel 파일 불러오기

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

4.2 특정 시트와 셀의 작업

from openpyxl import load_workbook

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

# 새로운 값을 기록하기
ws['B1'] = '새로운 데이터'
wb.save('updated_sales_data.xlsx')

4.3 데이터 필터링과 집계

filtered_df = df[df['날짜'].between('2023-09-01', '2023-09-30')]
total_sales = filtered_df['판매량'].sum()
print(f"9월 판매 합계: {total_sales}")

5. Excel 파일 작업 시 주의사항과 모범 사례

5.1 오류 처리 구현

try:
    df = pd.read_excel('non_existent_file.xlsx')
except FileNotFoundError as e:
    print(f"오류: 파일을 찾을 수 없습니다: {e}")

5.2 문자 인코딩과 서식에 관한 주의사항

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

5.3 대용량 데이터의 효율적인 처리

# Pandas의 chunksize 옵션
chunks = pd.read_csv('large_data.csv', chunksize=1000)
for chunk in chunks:
    print(chunk)

5.4 OpenPyXL에서 서식 유지와 그래프 생성

from openpyxl.chart import BarChart, Reference

# 그래프 생성
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. 결론: Python으로 하는 Excel 작업의 효율화