Lectura y Escritura de Excel con Python

Si existe un lenguaje universal en el mundo corporativo, los negocios y la administración, no es el inglés ni el mandarín: es Microsoft Excel. Desde el cálculo de nóminas en el departamento de Recursos Humanos hasta el control de inventario de una pequeña tienda, las hojas de cálculo .xlsx son el motor de la economía mundial.

El problema surge cuando el trabajo con Excel se vuelve manual y repetitivo. Abrir 50 libros de Excel distintos para copiar la celda de «Total Bruto» y pegarla en un reporte maestro no es el trabajo de un analista, es el trabajo de un robot. Además, la interacción humana masiva con celdas es la receta perfecta para cometer errores tipográficos catastróficos.

Afortunadamente, Python es el mejor amigo del oficinista moderno. En este artículo aprenderemos cómo leer, modificar, formatear y crear archivos de Excel utilizando código, sin necesidad de hacer clic, sin depender de macros VBA e, increíblemente, sin ni siquiera tener Microsoft Excel instalado en tu ordenador.

El Ecosistema: Eligiendo la Librería Correcta

En Python no existe una única forma de lidiar con archivos Excel, sino herramientas especializadas según tus necesidades. Para automatizar hojas de cálculo, nos centraremos en dos gigantes:

1. pandas: Ideal para manipular datos masivos. Si solo te importan los números y textos (y no te importan los colores, bordes o gráficos), Pandas puede leer un Excel de 100.000 filas en un segundo, filtrarlo y devolver un Excel nuevo.
2. openpyxl: Ideal para manipular el formato. Si necesitas escribir un dato en la celda B2, ponerla en negrita, pintarla de amarillo y añadir una fórmula matemática en la celda C2, esta es tu herramienta.

Para instalar ambas en tu entorno virtual, ejecuta:

Bash

pip install pandas openpyxl

Enfoque 1: Procesamiento de Datos Masivos con Pandas

Imagina que recibes un archivo llamado ventas_trimestre.xlsx. Tu jefe te pide que filtres solo las ventas realizadas en España y las guardes en un nuevo archivo Excel para enviárselo al equipo regional. Hacer esto abriendo Excel, aplicando filtros y copiando a una nueva hoja toma varios minutos. Con Pandas, es instantáneo.

Python

import pandas as pd

def filtrar_por_pais(archivo_origen, pais_objetivo, archivo_destino):
    try:
        print(f"Cargando el archivo {archivo_origen}...")
        # 1. Leemos el Excel (requiere openpyxl instalado de fondo)
        df = pd.read_excel(archivo_origen, sheet_name='Ventas_Globales')
        
        # 2. Aplicamos el filtro lógico
        df_filtrado = df[df['Pais'] == pais_objetivo]
        
        if df_filtrado.empty:
            print(f"No se encontraron registros para {pais_objetivo}.")
            return
            
        # 3. Exportamos el resultado a un nuevo Excel (sin el índice numérico)
        df_filtrado.to_excel(archivo_destino, index=False, sheet_name=pais_objetivo)
        print(f"Éxito: Archivo guardado como {archivo_destino}")
        
    except FileNotFoundError:
        print("Error: El archivo de origen no existe en la ruta indicada.")
    except Exception as e:
        print(f"Error inesperado: {e}")

if __name__ == '__main__':
    filtrar_por_pais('ventas_trimestre.xlsx', 'España', 'reporte_espana.xlsx')

Este script puede procesarse en servidores en la nube (como AWS o Google Cloud) de forma desatendida. Es puro procesamiento de datos de alta velocidad.

Enfoque 2: Manipulación Celda a Celda con Openpyxl

Pandas destruye el formato original (colores, logotipos, gráficos) al exportar. Si necesitas abrir una plantilla de factura ya diseñada, insertar el nombre del cliente en una celda concreta y guardar el archivo sin perder el diseño corporativo, debes usar openpyxl.

Vamos a simular un script que automatiza la creación de una factura básica:

Python

from openpyxl import Workbook, load_workbook
from openpyxl.styles import Font, PatternFill
from datetime import datetime

def generar_factura(nombre_cliente, importe_base):
    # 1. Creamos un nuevo libro de Excel (Workbook) desde cero
    # (Si tuviéramos una plantilla usaríamos load_workbook('plantilla.xlsx'))
    wb = Workbook()
    
    # 2. Seleccionamos la hoja activa y le cambiamos el nombre
    hoja = wb.active
    hoja.title = "Factura"
    
    # 3. Escribimos datos directamente en las coordenadas de las celdas
    hoja['A1'] = "FACTURA AUTOMATIZADA"
    hoja['A3'] = "Cliente:"
    hoja['B3'] = nombre_cliente
    hoja['A4'] = "Fecha:"
    hoja['B4'] = datetime.now().strftime("%d/%m/%Y")
    
    hoja['A6'] = "Importe Base"
    hoja['B6'] = importe_base
    
    hoja['A7'] = "IVA (21%)"
    # ¡Podemos inyectar fórmulas de Excel directamente!
    hoja['B7'] = "=B6 * 0.21" 
    
    hoja['A8'] = "TOTAL"
    hoja['B8'] = "=B6 + B7"
    
    # 4. Damos formato estético (Negrita y fondo azul para el título)
    fuente_titulo = Font(bold=True, color="FFFFFF")
    fondo_titulo = PatternFill(start_color="2980b9", end_color="2980b9", fill_type="solid")
    
    hoja['A1'].font = fuente_titulo
    hoja['A1'].fill = fondo_titulo
    
    # Negrita para la fila de Total
    hoja['A8'].font = Font(bold=True)
    hoja['B8'].font = Font(bold=True)
    
    # 5. Guardamos el archivo
    nombre_archivo = f"Factura_{nombre_cliente.replace(' ', '_')}.xlsx"
    wb.save(nombre_archivo)
    print(f"Factura generada: {nombre_archivo}")

if __name__ == '__main__':
    generar_factura("Empresa Tech SL", 1500.50)

El Poder de las Fórmulas en Python

Observa la línea hoja['B7'] = "=B6 * 0.21". Python no calcula ese 21% por ti; simplemente inyecta el texto exacto de la fórmula en la celda. De este modo, cuando el contable de la empresa abra el archivo final con Microsoft Excel y decida cambiar manualmente el importe base, la fórmula del IVA y del Total se actualizarán automáticamente, manteniendo la interactividad nativa del archivo.

Alternativas Peligrosas: Cuidado con las librerías COM

Existen otras formas de controlar Excel desde Python, siendo la más famosa xlwings o la librería pywin32 (que utiliza componentes COM de Windows). Estas herramientas literalmente abren el programa de Microsoft Excel en segundo plano en tu ordenador, inyectan los datos simulando clics del ratón y lo cierran.

¿Por qué debes evitar esto en producción? Porque exige que Microsoft Office esté pagado, instalado y correctamente configurado en la máquina que ejecuta el código. Si despliegas tu automatización en un servidor Linux barato en la nube (donde Windows y Office no existen), tu código fallará estrepitosamente. pandas y openpyxl manipulan la arquitectura XML pura del archivo (el código subyacente del .xlsx), haciéndolos universales, gratuitos y multiplataforma.

Conclusión

Automatizar hojas de cálculo con Python transforma horas de trabajo administrativo monótono en procesos de unos pocos milisegundos. Ya sea que necesites consolidar docenas de reportes diarios para obtener métricas con Pandas, o generar miles de facturas y nóminas formateadas con el logotipo de tu empresa utilizando Openpyxl, la barrera entre el código y la ofimática ya no existe.

Dejar de copiar y pegar manualmente no solo dispara la productividad de cualquier analista de negocio o desarrollador, sino que erradica por completo el error humano, elevando la fiabilidad de las auditorías e informes de tu departamento a un nivel profesional.