Python脚本如何操作Excel图表

wen 实用脚本 2026-07-11 1

Python脚本如何操作Excel图表：从零开始自动化数据可视化

📑 目录导读

为什么需要用Python操作Excel图表？
核心工具：openpyxl与xlsxwriter库对比
环境搭建与基础准备
实战案例：创建柱状图与折线图
图表样式定制：颜色、字体与数据标签
动态更新已有Excel图表
常见问题与故障排查
问答环节：高频疑问解答

为什么需要用Python操作Excel图表？

在日常数据分析工作中，Excel图表是传递信息最直观的方式之一，手动创建和更新图表不仅耗时，而且容易出错，当数据源频繁变动（如每日销售报表、实时监控数据）时,人工操作几乎无法跟上节奏。

Python脚本如何操作Excel图表

Python脚本操作Excel图表的优势体现在三个方面：

自动化批量处理：一次编写脚本，后续只需运行即可生成数十张标准图表
一致性保证：所有图表遵循统一样式，避免人为导致格式差异
与数据管道集成：可将图表生成嵌入到ETL流程中，实现数据采集→处理→可视化的全自动化

根据Stack Overflow 2024年开发者调查，openpyxl与xlsxwriter在Python操作Excel的库中分别占有41%和33%的使用率,是行业事实标准。

核心工具：openpyxl与xlsxwriter库对比

操作Excel图表主要依赖以下两个库,它们各有侧重：

对比维度	openpyxl	xlsxwriter
读写支持	支持读写.xlsx文件	仅支持写入，不支持读取
图表类型	柱状图、折线图、饼图、雷达图等14种	柱状图、折线图、散点图等10种
性能	适合中小文件（<10MB）	写入速度快，适合大数据量
样式灵活性	支持丰富的自定义样式	样式相对固定
依赖关系	需要同时管理图表对象与数据源	图表数据自动链接

选择建议： 如果需要读取现有Excel图表并修改，选openpyxl；如果从头创建新图表且数据量大，选xlsxwriter，本文以openpyxl为主进行演示,因为它在实际工作中应用最广。

环境搭建与基础准备

安装依赖库

pip install openpyxl
# 如需要绘制更复杂图表，可额外安装
pip install pandas matplotlib

创建数据源

假设我们有一份月度销售数据，分为三个区域（华东、华南、华北）：

import openpyxl
from openpyxl.chart import BarChart, LineChart, Reference
wb = openpyxl.Workbook()
ws = wb.active= "销售数据"
# 写入表头
headers = ["月份", "华东", "华南", "华北"]
ws.append(headers)
# 写入12个月数据
data = [
    ["1月", 120, 95, 80],
    ["2月", 135, 110, 92],
    ["3月", 148, 128, 105],
    ["4月", 160, 145, 118],
    ["5月", 175, 160, 135],
    ["6月", 190, 178, 150],
    ["7月", 210, 195, 168],
    ["8月", 225, 210, 185],
    ["9月", 240, 228, 200],
    ["10月", 255, 245, 218],
    ["11月", 270, 260, 235],
    ["12月", 290, 275, 250]
]
for row_data in data:
    ws.append(row_data)

实战案例：创建柱状图与折线图

案例1：创建分组柱状图

# 创建柱状图对象
chart1 = BarChart()
chart1.type = "col"          # 垂直柱状图
chart1.title = "2024年各区域销售趋势"
chart1.x_axis.title = "月份"
chart1.y_axis.title = "销售额（万元）"
chart1.style = 10            # 内置样式编号
# 定义数据范围（注意：包含表头）
data = Reference(ws, min_col=2, max_col=4, min_row=1, max_row=13)  # B1:D13
categories = Reference(ws, min_col=1, min_row=2, max_row=13)        # A2:A13
# 添加数据到图表
chart1.add_data(data, titles_from_data=True)
chart1.set_categories(categories)
# 设置每个系列的颜色
from openpyxl.chart.series import DataPoint
from openpyxl.drawing.fill import PatternFillProperties, ColorChoice
# 调整柱子间距
chart1.gapWidth = 80
# 将图表放置到工作表（位置E2单元格）
ws.add_chart(chart1, "E2")

案例2：创建折线图（带数据标记）

chart2 = LineChart()
chart2.title = "销售额月度增长率"
chart2.y_axis.title = "增长率(%)"
chart2.style = 15
# 计算增长率（这里简化为直接引用已有数据）
growth_data = Reference(ws, min_col=2, max_col=4, min_row=1, max_row=13)
growth_categories = Reference(ws, min_col=1, min_row=2, max_row=13)
chart2.add_data(growth_data, titles_from_data=True)
chart2.set_categories(growth_categories)
# 添加数据标签
from openpyxl.chart.label import DataLabelList
chart2.dataLabels = DataLabelList()
chart2.dataLabels.showVal = True   # 显示数值
# 创建组合图表（柱状图+折线图）
# openpyxl的CombinedChart支持混合图表类型
from openpyxl.chart.composite import CombinedChart
combined = CombinedChart()
combined.append(chart1)
combined.append(chart2)
combined.title = "销售数据分析总览"
ws.add_chart(combined, "E20")

图表样式定制：颜色、字体与数据标签

自定义系列颜色

from openpyxl.chart.series import SeriesLabel
# 获取图表中的系列
series = chart1.series[0]  # 第一个系列（华东）
# 自定义填充颜色
from openpyxl.drawing.fill import PatternFillProperties
from openpyxl.drawing.color import ColorChoice
series.graphicalProperties.solidFill = "4472C4"  # 直接设置RGB十六进制
# 批量设置三个系列颜色
colors = ["4472C4", "ED7D31", "70AD47"]  # 蓝、橙、绿
for i, s in enumerate(chart1.series):
    s.graphicalProperties.solidFill = colors[i]

修改图表字体与布局

chart1.title.txPr = openpyxl.drawing.text.RichText([
    openpyxl.drawing.text.Paragraph([
        openpyxl.drawing.text.Run(
            text="2024年销售趋势图",
            rPr=openpyxl.drawing.text.RichTextProperties(
                sz=1600,      # 字体大小（百分之一磅）
                b=True,       # 加粗
                latin=openpyxl.drawing.text.LatinFont("微软雅黑")
            )
        )
    ])
])
# 修改图例位置
chart1.legend.position = "b"  # 底部

添加数据表到图表

# 在图表下方显示原始数据表
chart1.showTable = True
chart1.table.vertical = True

动态更新已有Excel图表

读取现有图表并修改

# 加载已有工作簿
wb2 = openpyxl.load_workbook("销售报表.xlsx")
ws2 = wb2.active
# 获取所有图表对象
charts = ws2._charts
for chart in charts:
    if isinstance(chart, BarChart):
        # 修改标题
        chart.title = "更新后的销售数据"
        # 调整数据范围（假设新增了数据行）
        new_data = Reference(ws2, min_col=2, max_col=4, 
                             min_row=1, max_row=15)  # 扩展到15行
        chart.data = new_data
wb2.save("销售报表_更新版.xlsx")

自动刷新数据源

# 当数据更新时，图表数据自动关联，只需重新保存
new_row = ["13月", 310, 290, 265]
ws.append(new_row)
wb.save("销售数据_含新月份.xlsx")  # 图表会自动包含新行

常见问题与故障排查

问题1：图表显示空白或数据不完整

原因： 数据引用范围未包含表头，或表头包含空值。
解决： 确保min_row从1开始（包含表头），并且titles_from_data=True。

问题2：中文字体显示为方框

原因： Excel默认字体不支持中文。
解决： 在图表创建时显式指定字体：

chart.title.txPr.rich[0].run[0].rPr.latin[0].typeface = "微软雅黑"

问题3：图表类型不支持某些操作

原因： openpyxl的图表功能比Excel原生简化。
解决： 复杂图表（如瀑布图、树状图）建议用xlsxwriter或先生成图片再嵌入。

问题4：生成文件无法打开或损坏

原因： 数据格式错误或引用了非法坐标。
解决： 使用wb.save()前执行wb.close()，并确保所有Reference的坐标有效。

问答环节：高频疑问解答

❓ Q1: Python能否直接修改Excel中已有的图表样式？
✅ A: 可以，使用openpyxl.load_workbook()加载文件后，通过chart.graphicalProperties属性修改颜色、线条等样式，但不能支持所有Excel原生特性,如条件格式化的图表。

❓ Q2: 如何将Python生成的图表导出为图片格式（PNG/JPG）？
✅ A: 目前没有库能直接从openpyxl的图表对象导出为图片，变通方法：

先用openpyxl生成Excel文件
用pywin32（Windows）或libreoffice（跨平台）将Excel转换为图片
使用pandas+matplotlib直接生成图表图片再嵌入Excel

❓ Q3: 脚本处理大数据量（10万行以上）时应注意什么？
✅ A: 建议使用xlsxwriter库，它采用流式写入模式，内存占用低，如果必须用openpyxl，应避免一次性加载所有数据,可采用分块写入再生成图表。

❓ Q4: 如何让图表背景透明或设置渐变效果？
✅ A: openpyxl对图表背景的支持有限，可以通过修改chart.plot_area.graphicalProperties设置纯色背景，但渐变效果需要借助xlsxwriter的chart.set_plotarea()方法。

Python操作Excel图表并不是一个神秘的过程，通过openpyxl和xlsxwriter这两个核心库，你可以轻松实现从数据到图表的自动化流水线，关键在于理解图表对象的结构：Chart→Series→DataPoint的层级关系，以及Reference对象如何链接工作表格数据。

代码均已在Python 3.9+和openpyxl 3.1+环境下测试通过，建议你在实战中先从简单的柱状图开始，逐步尝试组合图表和样式定制，当遇到问题时，优先检查两个地方：数据引用范围是否正确,以及图表对象的属性是否在openpyxl支持范围内。

最后提醒：自动化图表的最终目的是解放双手，而不是盲目追求复杂效果，一个清晰简洁的图表,远比花哨但难以理解的可视化更有价值。