PyQt5 + Pandas 打造常见的表格(Excel/CSV)读取与处理工具

专栏导读

• 🌸 欢迎来到Python办公自动化专栏—Python处理办公问题，解放您的双手

• 🏳️‍🌈 个人博客主页：请点击——> 个人的博客主页 求收藏

• 🏳️‍🌈 Github主页：请点击——> Github主页 求Star⭐

• 🏳️‍🌈 知乎主页：请点击——> 知乎主页 求关注

• 🏳️‍🌈 CSDN博客主页：请点击——> CSDN的博客主页 求关注

• 👍 该系列文章专栏：请点击——>Python办公自动化专栏 求订阅

• 🕷 此外还有爬虫专栏：请点击——>Python爬虫基础专栏 求订阅

• 📕 此外还有python基础专栏：请点击——>Python基础学习专栏 求订阅

• 文章作者技术和水平有限，如果文中出现错误，希望大家能指正🙏

• ❤️ 欢迎各位佬关注！ ❤️

使用 PyQt5 + Pandas 打造全能的表格(Excel/CSV)读取与处理工具

在日常办公和数据分析中，我们经常需要处理各种 Excel 和 CSV 文件。无论是进行简单的数据累加、去重，还是复杂的数据透视、批量拆分，传统的操作往往需要使用 Excel 的复杂函数，或者编写重复的 Python 脚本。

为了提高工作效率，今天我们将手把手教大家使用PyQt5和Pandas开发一款图形化的表格读取与处理工具。这款工具不仅支持直接拖拽文件加载，还能实时预览，并内置了多种常用的数据处理功能，非常适合零基础办公人员和数据分析师使用！

• 完整代码：
• 点我直达

🎯 核心功能一览

我们这款工具内置了以下实用功能：

1. 智能文件加载：支持点击按钮选择，或直接拖拽单个/多个文件、甚至整个目录到软件中，自动识别并合并 Excel (.xls,.xlsx) 和.csv文件。
2. 实时数据预览：加载文件后，主界面会实时显示数据的前 20 行，方便确认数据是否正确。
3. 自定义表头：遇到表头不在第一行的数据怎么办？用户可以自定义表头所在的行数，工具会自动重新解析数据。
4. 丰富的列操作：
   • 快速对指定列进行累加、计数
   • 对指定列进行数据去重
   • 按照自定义分隔符将一列拆分为多列
5. 一键数据透视：图形化选择透视的索引（Index）、列（Columns）和值（Values），自动执行求和透视并支持一键导出结果。
6. 大文件按行拆分：遇到几十万行的大文件处理卡顿？设置“每文件行数”，一键将大文件拆分为多个小文件保存。
7. 强大的批量修改列功能：
   • 全部修改为固定值
   • 在数据头部/尾部添加特定字符
   • 在第 X 个字符后插入特定字符
8. 扩展功能：一键处理缺失值（如填充0、填充空字符串或直接删除缺失行），以及一键导出当前处理完毕的所有数据。

🛠️ 技术栈与依赖

本项目基于 Python 开发，主要用到了以下三个强大的库：

• PyQt5：负责构建整个图形化用户界面 (GUI)，提供了丰富的控件和交互能力。
• Pandas：负责底层的数据读取、处理和分析，是数据处理的“核武器”。
• openpyxl：Pandas 读写新版 Excel (.xlsx) 文件的必备引擎。

安装依赖

可以通过以下命令一键安装所有所需库：

pipinstallPyQt5 pandas openpyxl

💻 核心代码解析

下面我们来拆解一下这个工具的几个核心实现点。

1. 拖拽文件与目录加载功能

为了让用户体验更好，我们继承QLabel自定义了一个DragDropWidget，用于接收拖拽事件：

classDragDropWidget(QLabel):def__init__(self,parent=None):super().__init__(parent)self.setText("拖拽单个/多个文件或目录到此处\n(支持 Excel/CSV)")self.setAcceptDrops(True)self.main_window=parentdefdragEnterEvent(self,event:QDragEnterEvent):# 允许接收包含路径的文件拖拽ifevent.mimeData().hasUrls():event.acceptProposedAction()defdropEvent(self,event:QDropEvent):urls=event.mimeData().urls()paths=[url.toLocalFile()forurlinurls]# 将获取到的路径交给主窗口处理self.main_window.handle_dropped_files(paths)

2. Pandas 与 QTableView 联动 (数据预览)

要在 PyQt 的QTableView中展示 Pandas 数据框，我们需要自定义一个QAbstractTableModel，重写其行数、列数和数据返回方法：

classPandasModel(QAbstractTableModel):def__init__(self,data):super().__init__()self._data=datadefrowCount(self,parent=None):returnself._data.shape[0]defcolumnCount(self,parent=None):returnself._data.shape[1]defdata(self,index,role=Qt.DisplayRole):ifindex.isValid():ifrole==Qt.DisplayRole:val=self._data.iloc[index.row(),index.column()]returnstr(val)ifnotpd.isna(val)else""returnNonedefheaderData(self,col,orientation,role):iforientation==Qt.Horizontalandrole==Qt.DisplayRole:returnstr(self._data.columns[col])returnNone

在工具中，我们通过self.df.head(20)获取前 20 行数据并传入该 Model，实现了轻量级的数据预览。

3. 数据处理：拆分、去重与透视

基于 Pandas 的强大功能，我们可以仅用几行代码实现复杂的逻辑：

• 去重：self.df = self.df.drop_duplicates(subset=[col])
• 拆分列：new_cols = self.df[col].astype(str).str.split(sep, expand=True)
• 数据透视：

pivot_df=pd.pivot_table(self.df,values=val,index=idx,columns=col,aggfunc='sum',fill_value=0)

4. 字符串的精细批量修改

对于“在第 X 个字符后插入内容”这种需求，我们可以利用 Pandas 的apply方法搭配自定义函数实现：

definsert_str(s):s_str=str(s)iflen(s_str)>=pos:returns_str[:pos]+val+s_str[pos:]returns_str+val self.df[col]=self.df[col].apply(insert_str)

🚀 总结

通过将 PyQt5 和 Pandas 结合，我们打造出了一个功能完备、界面友好的本地数据处理利器。这个工具不仅能极大提升我们处理零碎 Excel 文件的效率，更提供了一个很好的学习范例——你可以根据自己的实际业务需求，在main.py的选项卡中继续添加更多自定义的数据清洗和分析功能！

快把这份代码运行起来，让你的数据处理工作从此告别加班吧！

结尾

• 希望对初学者有帮助；致力于办公自动化的小小程序员一枚

• 希望能得到大家的【❤️一个免费关注❤️】感谢！

• 求个 🤞 关注 🤞 +❤️ 喜欢 ❤️ +👍 收藏 👍

• 此外还有办公自动化专栏，欢迎大家订阅：Python办公自动化专栏

• 此外还有爬虫专栏，欢迎大家订阅：Python爬虫基础专栏

• 此外还有Python基础专栏，欢迎大家订阅：Python基础学习专栏