Python3でxlsxファイルを読み込む

Python3でExcelのxlsx形式のファイルを読み込みたかったので調べたところ、openpyxl、Pandas、xlrdなどのライブラリを使う方法がある。その中でopenpyxlを使ってみたので、xlsxファイルを読み込んでセル値を出力するまでの方法をまとめておく。ちなみに、xls形式のファイルは読み込めない。

openpyxlのインストール

Python3系の場合Python3.3以上が必要。How to install openpyxl-2.2.1 for Python3 on Ubuntu-12.04?によると、Python3.2でもインストールする方法があるようだが、Python3.3以上が無難らしい。今回はPython3.4の環境でインストール。インストールのコマンドは以下の通り。
$ sudo pip3 install openpyxl

xlsxファイル

国立国会図書館のWEBサイトにある、博士論文リスト（インターネット公開）を使う。これは、国会図書館がデジタル化した博士論文の基本的な書誌項目のリストをxlsxファイルにしたもの。ダウンロードするときのファイル名はdataset_201607_h_internet.xlsx。

Python3でのコーディング

xlsxファイルを読み込んで、1シート目の内容を出力してみる。

# ライブラリのインポート
from openpyxl import load_workbook

# xlsxファイルの読み込み
wb = load_workbook( filename = "dataset_201607_h_internet.xlsx" )

# 1つ目のシートの読み込み
ws = wb.worksheets[0]

# A2セルの内容を出力
print( ws["a2"].value )
print( "=================================" )

# 1行目のみ出力
for col in ws.columns:
    print( col[0].value )
print( "=================================" )

# 学位授与が東京大学のタイトルを出力
for row in ws.rows:
    if row[3].value == "東京大学" :
        print( row[1].value )

実行結果

実行すると以下のような結果が出力される。
http://dl.ndl.go.jp/info:ndljp/pid/3189366 ================================= URL タイトル 著者 学位授与機関名 学位授与年 公開範囲 ================================= "3次元回転枕"による前庭頚反射の計測 : 正常者と脊髄小脳変性症患者との比較 Clinical characteristics of Tturette syndrome with and without "Generalized tics" and coprolalia Study on the relationship between"copper mosses"and their substrates 10-Hydroxy-12(Z)-octadecenoic acidのELISAの確立とその生理活性の検討

おまけ

xlsxファイルのセルに計算式が入っている場合、openpyxlはデフォルトで計算式を取得する。計算した値を取り出したいときは、load_workbookのオプションでdata_only=Trueを指定してxlsxファイルを読み込む。

# data_only=Trueを指定すると、セルに計算式が入っている場合に計算値を取得できる
wb = load_workbook( filename = "dataset_201607_h_internet.xlsx", data_only=True )