在Python中，可以使用pandas库来读取Excel文件中的数据。下面是一个简单的例子：
import pandas as pd
# 读取Excel文件
df = pd.read_excel('example.xlsx')
# 显示前5行数据
print(df.head())
在上面的代码中，我们首先导入了pandas库，并使用pd.read_excel()函数来读取名为example.xlsx的Excel文件。读取的数据将被存储在一个名为df的DataFrame对象中。然后，我们使用df.head()函数来显示前5行数据。
如果需要读取特定的工作表或单元格数据，可以在read_excel()函数中使用参数进行指定。例如：
# 读取Excel文件的特定工作表
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
# 读取Excel文件的特定单元格数据
data = pd.read_excel('example.xlsx', sheet_name='Sheet1', header=None, index_col=0)
在上面的代码中，我们使用sheet_name参数来指定要读取的工作表的名称。如果要读取多个工作表，可以将它们作为列表传递给sheet_name参数。此外，我们还使用header=None和index_col参数来指定要读取的单元格范围和索引列。
除了读取Excel文件的内容，我们还可以进行更多的操作，例如修改单元格的值、添加新的单元格或工作表、删除单元格或工作表等。下面是一些示例代码：
# 修改单元格的值
df.at[0, 'A'] = 'new value'
# 添加新的单元格
df.iloc[0, 2] = 'new value'
# 添加新的工作表
new_data = pd.DataFrame({'B': [1, 2, 3], 'C': [4, 5, 6]})
writer = pd.ExcelWriter('example.xlsx', engine='xlsxwriter')
new_data.to_excel(writer, sheet_name='Sheet2')
writer.save()
# 删除单元格
df.dropna(axis=0, how='all', inplace=True)
# 删除工作表
writer = pd.ExcelWriter('example.xlsx', engine='xlsxwriter')
df.to_excel(writer, sheet_name='Sheet1')
writer.save()
在上面的代码中，我们使用df.at[]函数来修改特定单元格的值。使用df.iloc[]函数可以添加新的单元格。使用pd.ExcelWriter类可以创建新的工作表并保存更改。使用df.dropna()函数可以删除包含空值的单元格。最后，使用pd.ExcelWriter类将DataFrame对象保存到Excel文件中时，可以指定要保存的工作表名称。
除了对单元格和工作表的修改，我们还可以使用pandas库进行更高级的数据处理和分析。以下是一些示例代码：
# 计算每行的和
row_sums = df.sum(axis=1)
# 计算每列的平均值
col_means = df.mean(axis=0)
# 根据某列的值对数据进行排序
sorted_data = df.sort_values('C')
# 按照某列的值将数据分组并计算每组的平均值
grouped_data = df.groupby('B').mean()
在上面的代码中，我们使用df.sum()函数和df.mean()函数分别计算每行和每列的和以及平均值。使用df.sort_values()函数可以根据特定列的值对数据进行排序。使用df.groupby()函数可以将数据按照特定列的值分组，并使用df.mean()函数计算每组的平均值。
这些只是pandas库的一些基本用法，它还提供了更多的功能和操作来处理和分析Excel文件中的数据。
