Python如何操作Excel图表？openpyxl技巧-Python教程-PHP中文网

使用openpyxl操作excel图表需先准备数据并写入工作表；2. 创建图表对象（如barchart）并设置类型、标题、轴标签等属性；3. 通过reference定义数据范围和类别，并用add_data或series方式添加数据系列；4. 自定义图表样式、尺寸、位置、图例、数据标签等属性；5. 将图表添加到指定单元格并保存文件。openpyxl支持柱状图、折线图、饼图等多种常见图表类型，适合自动化生成标准化报表，但在修改复杂图表、精细视觉控制和高级功能（如次坐标轴）方面存在局限，更适合从零构建而非精细编辑。

Python如何操作Excel图表？openpyxl技巧

Python操作Excel图表，主要通过

openpyxl

登录后复制

库来完成。它并非一个所见即所得的图表编辑器，更像是一个“构建器”——你通过代码定义图表的类型、数据来源、样式和位置，然后

openpyxl

登录后复制

会将这些指令写入Excel文件，最终由Excel应用程序负责渲染。核心思路是，我们用代码告诉Excel“这里有一堆数据，请你用这种方式把它画成图”。

解决方案

要用

openpyxl

登录后复制

来创建和操作Excel图表，通常需要以下几个步骤。这不是一个线性的“首先、其次”过程，更像是构建一个乐高模型，你可以先搭主体，再加细节，或者反过来。

首先，你得有数据。图表是数据的可视化，所以得在工作表中填入一些数据，作为图表的源。

立即学习“Python免费学习笔记（深入）”；

from openpyxl import Workbook
from openpyxl.chart import BarChart, Reference, Series
from openpyxl.chart.label import DataLabelList

# 创建一个新的工作簿和工作表
wb = Workbook()
ws = wb.active
ws.title = "销售数据分析"

# 准备一些数据，图表会用到这些
data = [
    ["产品", "2022年销量", "2023年销量"],
    ["A", 100, 120],
    ["B", 150, 140],
    ["C", 90, 110],
    ["D", 200, 180],
    ["E", 130, 150],
]

for row_data in data:
    ws.append(row_data)

# 创建一个柱状图对象
chart = BarChart()
chart.type = "col" # 可以是 'col' (柱状), 'bar' (条形)
chart.style = 10 # 选择一个图表样式，数字越大样式越复杂或颜色越丰富
chart.title = "产品年度销售对比"
chart.y_axis.title = "销量 (单位: 件)"
chart.x_axis.title = "产品类型"

# 定义图表的数据范围。Reference 是 openpyxl 处理数据源的关键。
# 第一个 Reference 是类别标签（产品A, B, C...）
# 第二个 Reference 是数据系列（2022年销量, 2023年销量）
# 这里的 min_row=2 是因为第一行是标题，数据从第二行开始
# max_row=ws.max_row 是因为数据到工作表的最后一行
# min_col=2, max_col=3 是因为销量数据在第2列和第3列
categories = Reference(ws, min_col=1, min_row=2, max_row=ws.max_row)
data_ref = Reference(ws, min_col=2, min_row=1, max_col=3, max_row=ws.max_row)

# 将数据添加到图表中
# from_rows=True 表示数据是按行排列的，即每行是一个数据系列
# 这通常用于多系列图表，如果每个系列是列，则不需要这个参数
chart.add_data(data_ref, titles_from_data=True) # titles_from_data=True 表示第一行作为系列名称
chart.set_categories(categories)

# 调整图表大小和位置
chart.width = 15 # 宽度
chart.height = 8 # 高度

# 添加数据标签
# chart.dataLabels = DataLabelList()
# chart.dataLabels.showVal = True # 显示值
# chart.dataLabels.showCatName = True # 显示类别名称

# 将图表添加到工作表中的指定位置（例如从A10单元格开始）
ws.add_chart(chart, "A10")

# 保存工作簿
wb.save("产品销售图表.xlsx")
print("Excel文件已生成，包含产品销售图表。")

登录后复制

这段代码展示了一个基本的柱状图创建流程。你会发现，

openpyxl

登录后复制

在操作图表时，更侧重于数据源的绑定和基本属性的设置，而非精细到每个像素的视觉调整。

openpyxl支持哪些常见的Excel图表类型？如何选择合适的图表？

openpyxl

登录后复制

对Excel中的图表支持还是比较全面的，常见的图表类型基本都能搞定。你可以通过导入不同的图表类来使用它们，比如

BarChart

登录后复制

(柱状图/条形图),

LineChart

登录后复制

(折线图),

ScatterChart

登录后复制

(散点图),

PieChart

登录后复制

(饼图),

AreaChart

登录后复制

(面积图), 甚至还有

BubbleChart

登录后复制

(气泡图) 和

StockChart

登录后复制

(股票图)。

选择合适的图表，这其实是个数据可视化的问题，比敲代码复杂多了。我个人觉得，很多人在做数据分析的时候，图表选择上容易犯迷糊，总想着“把所有数据都画出来”。但图表的目的是讲故事，传递信息，不是堆砌数据。

柱状图/条形图 (BarChart)：非常适合比较不同类别之间的数据大小。比如不同产品的销量、不同地区的营收。如果你想看“谁更高”，用它准没错。
折线图 (LineChart)：看趋势的最佳选择。时间序列数据，比如股票价格波动、月度销售额变化，用折线图能清晰地展现上升、下降或平稳的趋势。
散点图 (ScatterChart)：当你需要探索两个数值变量之间的关系时，散点图是首选。比如广告投入和销售额之间有没有关联，身高和体重是不是正相关。它能帮你发现潜在的模式或异常点。
饼图 (PieChart)：表示“部分与整体”的关系。比如市场份额、各项开支占比。但要注意，饼图的扇区不宜过多，超过5-7个就很难分辨了，而且比较不同扇区的大小，人眼不如柱状图敏感。我通常会避免用饼图，除非占比非常清晰且数量少。
面积图 (AreaChart)：和折线图类似，但通过填充折线下的区域来强调数量或累积值。可以用来展示不同类别随时间变化的贡献，例如不同产品线的累积销售额。

最终，选择图表就像选择合适的词语来表达一个想法。你得先清楚你想表达什么，然后才去选那个最能传达意思的“词语”——也就是图表。有时候，一个简单的表格，配合一些条件格式，比任何图表都更能直观地展现数据。

在openpyxl中，如何为图表添加数据系列和自定义图表属性？

在

openpyxl

登录后复制

里，数据系列（Data Series）是图表的灵魂，它告诉图表“你要画什么数据”。自定义图表属性则是给这个灵魂穿上漂亮的衣服，让它看起来更专业、更易懂。

添加数据系列： 核心是

Reference

登录后复制

对象和

chart.add_data()

登录后复制

方法。

Reference

登录后复制

定义了数据在工作表中的位置。它需要四个参数：

sheet

登录后复制

(哪个工作表),

min_col

登录后复制

min_row

登录后复制

max_col

登录后复制

max_row

登录后复制

。你可以把它想象成在Excel里用鼠标拖选一个区域。

from openpyxl.chart import Reference, Series
# 假设ws是你的工作表
# 这是一个单系列数据的例子，比如只画2022年销量
values = Reference(ws, min_col=2, min_row=2, max_col=2, max_row=ws.max_row)
# categories = Reference(ws, min_col=1, min_row=2, max_row=ws.max_row) # 类别通常是X轴标签

# 创建一个 Series 对象，这更精细地定义了一个数据系列
# values: 数据值，可以是 Reference 或直接的列表
# xvalues: X轴的值，通常是类别，也是 Reference
# title: 系列名称，会显示在图例中
series = Series(values, xvalues=categories, title="2022年销量")
chart.series.append(series) # 将系列添加到图表中

登录后复制

如果你有多个系列，比如前面例子中的2022和2023年销量，最简单的方法是

chart.add_data(data_ref, titles_from_data=True)

登录后复制

，它会自动根据

data_ref

登录后复制

范围内的第一行或第一列来识别多个系列。如果你需要更精细地控制每个系列（比如给每个系列设置不同的颜色或标记），那么手动创建

Series

登录后复制

对象并逐个

append

登录后复制

会更灵活。

自定义图表属性：

openpyxl

登录后复制

的图表对象有很多属性可以直接设置，这些属性对应着Excel图表中的各种选项。

标题：
```
chart.title = "我的图表标题"
```
登录后复制

轴标题：

chart.x_axis.title = "X轴名称"

登录后复制

chart.y_axis.title = "Y轴名称"

登录后复制

尺寸和位置：
```
chart.width = 15
```
登录后复制
(单位是Excel列宽),
```
chart.height = 8
```
登录后复制
(单位是Excel行高)。然后通过
```
ws.add_chart(chart, "A10")
```
登录后复制
来决定图表在工作表中的左上角位置。
样式：
```
chart.style = 10
```
登录后复制
。
openpyxl
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
登录后复制
提供了一些预定义的样式，你可以尝试不同的数字看看效果。
图例：
```
chart.legend.position = 'r'
```
登录后复制
(右侧),
```
'l'
```
登录后复制
(左侧),
```
't'
```
登录后复制
(顶部),
```
'b'
```
登录后复制
(底部)。你也可以设置
```
chart.legend.delete = True
```
登录后复制
来隐藏图例。

数据标签： 这是个稍微复杂一点的，需要导入

DataLabelList

登录后复制

。

from openpyxl.chart.label import DataLabelList
chart.dataLabels = DataLabelList()
chart.dataLabels.showVal = True # 显示值
chart.dataLabels.showCatName = True # 显示类别名称
# 还可以设置 showLegendKey, showPct, showSerName 等

登录后复制

轴刻度： 比如设置Y轴的最大最小值：
```
chart.y_axis.scaling.min = 0
```
登录后复制
```
chart.y_axis.scaling.max = 200
```
登录后复制
```
chart.y_axis.majorGridlines = None
```
登录后复制
# 隐藏主要网格线