Ahora vamos a explorar cómo Python puede automatizar la manipulación de hojas de cálculo utilizando las poderosas librerías openpyxl y pandas. Estas librerías te permiten leer, escribir, modificar y analizar datos almacenados en formatos de hoja de cálculo de manera programática.

1. openpyxl: Trabajando con Archivos Excel (.xlsx)

openpyxl es una librería de Python para leer y escribir archivos Excel 2010 xlsx/xlsm/xltx/xltm. Te permite crear hojas de cálculo desde cero, acceder a datos existentes, modificar celdas, estilos, fórmulas y más.

Tareas Comunes con openpyxl:

• Abrir y Crear Libros de Trabajo:

  • openpyxl.load_workbook(filename): Abre un archivo Excel existente.
  • openpyxl.Workbook(): Crea un nuevo libro de trabajo en memoria.
  • wb.save(filename): Guarda el libro de trabajo en un archivo.

• Acceder a Hojas de Trabajo:

  • wb.sheetnames: Lista de los nombres de las hojas en el libro de trabajo.
  • wb['Sheet1'] o wb.active: Acceder a una hoja por nombre o a la hoja activa.
  • wb.create_sheet("Nueva Hoja", index=0): Crear una nueva hoja en una posición específica.
  • del wb['Hoja a Eliminar']: Eliminar una hoja.

• Trabajar con Celdas:

  • sheet['A1']: Acceder a una celda por su nombre.
  • sheet.cell(row=1, column=1): Acceder a una celda por su fila y columna (indexadas desde 1).
  • cell.value: Obtener o establecer el valor de una celda.
  • cell.row, cell.column, cell.coordinate: Obtener información de la celda.

• Iterar sobre Celdas, Filas y Columnas:

  • sheet.rows: Generador de tuplas de celdas por fila.
  • sheet.columns: Generador de tuplas de celdas por columna.
  • sheet['A1':'C3']: Obtener un rango de celdas.
  • sheet.iter_rows(min_row=1, max_row=3, min_col=1, max_col=3): Iterar sobre un rango específico de filas y columnas.

• Modificar Celdas y Estilos:

  • Asignar valores a celdas: sheet['B2'] = 42.
  • Aplicar estilos (fuente, color, alineación, bordes) utilizando el módulo openpyxl.styles.
  • Usar fórmulas: sheet['D1'] = '=SUM(A1:C1)'.

Ejemplo Básico con openpyxl:

import openpyxl

# Crear un nuevo libro de trabajo
wb = openpyxl.Workbook()
sheet = wb.active
sheet.title = "Datos de Prueba"

# Escribir datos en las celdas
sheet['A1'] = "Nombre"
sheet['B1'] = "Edad"
sheet['C1'] = "Ciudad"

datos = [
    ("Alice", 30, "Nueva York"),
    ("Bob", 25, "Londres"),
    ("Charlie", 35, "París")
]

for row_index, data_row in enumerate(datos, start=2):
    sheet.cell(row=row_index, column=1, value=data_row[0])
    sheet.cell(row=row_index, column=2, value=data_row[1])
    sheet.cell(row=row_index, column=3, value=data_row[2])

# Aplicar una fórmula
sheet['D1'] = "Promedio Edad"
sheet['D2'] = '=AVERAGE(B2:B4)'

# Guardar el libro de trabajo
wb.save("datos_prueba.xlsx")
print("Archivo 'datos_prueba.xlsx' creado.")

# Abrir un libro de trabajo existente
wb_load = openpyxl.load_workbook("datos_prueba.xlsx")
sheet_load = wb_load.active

# Leer datos del libro de trabajo
print("\nDatos leídos del archivo:")
for row in sheet_load.iter_rows(values_only=True):
    print(row)

2. pandas: Manipulación y Análisis de Datos Tabulares (Incluyendo Hojas de Cálculo)

pandas es una librería fundamental para el análisis de datos en Python. Proporciona estructuras de datos de alto rendimiento, como DataFrames, que son ideales para representar datos tabulares, incluyendo datos de hojas de cálculo. Pandas facilita la lectura y escritura de datos en varios formatos, incluyendo Excel, CSV, y más.

Tareas Comunes con pandas para Hojas de Cálculo:

• Leer Datos desde Archivos Excel:

  • pd.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, ...): Lee datos de un archivo Excel en un DataFrame. Puedes especificar la hoja por nombre o índice, la fila de encabezado, los nombres de las columnas, la columna de índice, etc.

• Escribir DataFrames a Archivos Excel:

  • df.to_excel(excel_writer, sheet_name='Sheet1', startrow=0, startcol=0, header=True, index=True, ...): Escribe un DataFrame a un archivo Excel. Puedes especificar el nombre de la hoja, la posición inicial, si incluir el encabezado y el índice, etc.

• Manipular Datos en el DataFrame: Una vez que los datos están en un DataFrame, puedes utilizar todas las potentes funcionalidades de pandas para limpiar, transformar, filtrar, agrupar y analizar los datos.

Ejemplo Básico con pandas:

import pandas as pd

# Crear un DataFrame
data = {'Nombre': ['Alice', 'Bob', 'Charlie'],
        'Edad': [30, 25, 35],
        'Ciudad': ['Nueva York', 'Londres', 'París']}
df = pd.DataFrame(data)
print("DataFrame creado:\n", df)

# Escribir el DataFrame a un archivo Excel
df.to_excel("datos_pandas.xlsx", sheet_name="Datos", index=False)
print("\nDataFrame guardado en 'datos_pandas.xlsx'.")

# Leer datos desde un archivo Excel
df_leido = pd.read_excel("datos_pandas.xlsx", sheet_name="Datos")
print("\nDatos leídos desde 'datos_pandas.xlsx':\n", df_leido)

# Realizar algunas manipulaciones (ejemplo: filtrar por edad)
df_mayores_de_25 = df_leido[df_leido['Edad'] > 25]
print("\nPersonas mayores de 25:\n", df_mayores_de_25)

# Escribir el DataFrame filtrado a otra hoja del mismo archivo
with pd.ExcelWriter("datos_pandas.xlsx", mode='a') as writer:
    df_mayores_de_25.to_excel(writer, sheet_name='Mayores de 25', index=False)
print("\nDataFrame filtrado añadido a 'datos_pandas.xlsx' en la hoja 'Mayores de 25'.")

Cuándo Usar openpyxl vs. pandas para Hojas de Cálculo:

• openpyxl: Es la mejor opción cuando necesitas un control preciso sobre el formato del archivo Excel (estilos, fórmulas complejas, manipulación de hojas, gráficos) o cuando necesitas trabajar con archivos Excel sin necesariamente realizar un análisis de datos complejo.
• pandas: Es la opción ideal cuando el enfoque principal es el análisis y la manipulación de los datos tabulares contenidos en la hoja de cálculo. Pandas simplifica enormemente la lectura, escritura y el procesamiento de los datos en un formato estructurado (DataFrame). Si necesitas realizar tareas de análisis de datos después de leer el archivo Excel, pandas es la herramienta preferida.

A menudo, estas dos librerías se pueden utilizar en conjunto. Por ejemplo, podrías usar pandas para leer y analizar los datos de un archivo Excel y luego usar openpyxl para aplicar un formato específico a la hoja de cálculo resultante. La elección depende de los requisitos específicos de tu tarea de automatización de hojas de cálculo.