---

包含编程资料、学习路线图、源代码、软件安装包等！【[点击这里]】！

---

一、为什么选择Python处理Excel？

Python凭借其强大的第三方库支持，可以让这些工作自动化完成。

---

二、准备工作：安装必要的库

在开始Excel自动化之旅前，我们需要安装两个强大的Python库：pandas和openpyxl。

# 安装必要的库
pip install pandas openpyxl

• pandas是数据分析的瑞士军刀，擅长处理表格数据；而openpyxl则专门用于读写Excel文件。
• 小贴士：如果你使用Anaconda环境，pandas已经预装好了，只需安装openpyxl即可。

---

三、读取Excel文件

让我们从最基础的开始—读取Excel文件：

import pandas as pd
# 读取Excel文件
df = pd.read_excel('销售数据.xlsx')

# 查看前5行数据
print(df.head())

# 查看基本信息
print(df.info())

• 这里的df是一个DataFrame对象，你可以把它想象成一个智能的Excel表格。我们用head()方法查看前几行，用info()查看基本信息，就像是在Excel中预览数据一样简单！
• 注意事项：确保你的Excel文件路径正确，如果文件不在当前工作目录，需要提供完整路径。

---

四、数据处理与分析

现在，让我们来点有趣的—处理和分析数据：

# 基本数据筛选
高价商品 = df[df['价格'] > 1000]

# 数据统计
各地区销售额 = df.groupby('地区')['销售额'].sum()
print(f"各地区销售额统计:\n{各地区销售额}")

# 数据清洗：处理缺失值
df['折扣'] = df['折扣'].fillna(0)  # 将缺失的折扣填充为0

# 数据计算：添加新列
df['折后价'] = df['价格'] * (1 - df['折扣'])

# 查看处理后的数据
print(df.head())

• 几行代码就完成了筛选、分组统计、处理缺失值和添加计算列等操作。在Excel中，这些可能需要复杂的公式或多步操作
• Python对数据的处理就像变魔术一样，你告诉它"我想看价格超过1000的商品"，它立刻给你结果；你说"帮我计算各地区销售总额"，报表瞬间生成。

---

五、数据可视化

数据分析少不了图表，用Python创建图表比Excel更灵活：

import matplotlib.pyplot as plt
# 创建销售额柱状图
各地区销售额.plot(kind='bar', figsize=(10, 6), color='skyblue')
plt.title('各地区销售额统计')
plt.xlabel('地区')
plt.ylabel('销售额')
plt.savefig('sales_by_region.png')  # 保存图表
plt.show()  # 显示图表

# 创建商品销售占比饼图
商品销售占比 = df.groupby('商品名称')['销售额'].sum()
plt.figure(figsize=(8, 8))
plt.pie(商品销售占比, labels=商品销售占比.index, autopct='%1.1f%%')
plt.title('商品销售额占比')
plt.savefig('product_sales_pie.png')
plt.show()

• 这样，我们就创建了专业的数据可视化图表，并保存为图片文件。

---

六、写入Excel文件

分析完数据，当然要保存结果啦：

# 将处理后的数据保存为新的Excel文件
df.to_excel('处理后的销售数据.xlsx', index=False)

# 创建Excel写入对象，可以更精细地控制Excel格式
writer = pd.ExcelWriter('销售分析报告.xlsx', engine='openpyxl')

# 写入多个工作表
df.to_excel(writer, sheet_name='原始数据', index=False)
高价商品.to_excel(writer, sheet_name='高价商品', index=False)
各地区销售额.to_excel(writer, sheet_name='地区统计')

# 保存文件
writer.close()

print("Excel文件已成功生成！")

• 这样，我们就生成了包含多个工作表的Excel报告

---

七、实现完整自动化流程

最后，我们把上面的步骤整合成一个完整的自动化流程：

import pandas as pd
import matplotlib.pyplot as plt
import os
from datetime import datetime

def process_sales_data(input_file, output_folder):
    """处理销售数据并生成报告"""
    
    # 创建输出文件夹（如果不存在）
    ifnot os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    # 读取Excel文件
    print(f"正在读取 {input_file}...")
    df = pd.read_excel(input_file)
    
    # 数据清洗和处理
    print("正在处理数据...")
    df['折扣'] = df['折扣'].fillna(0)
    df['折后价'] = df['价格'] * (1 - df['折扣'])
    
    # 数据分析
    高价商品 = df[df['价格'] > 1000]
    各地区销售额 = df.groupby('地区')['销售额'].sum()
    各商品销售额 = df.groupby('商品名称')['销售额'].sum()
    
    # 生成图表
    print("正在生成图表...")
    plt.figure(figsize=(10, 6))
    各地区销售额.plot(kind='bar', color='skyblue')
    plt.title('各地区销售额统计')
    plt.tight_layout()
    plt.savefig(f"{output_folder}/地区销售额.png")
    
    plt.figure(figsize=(8, 8))
    plt.pie(各商品销售额, labels=各商品销售额.index, autopct='%1.1f%%')
    plt.title('商品销售额占比')
    plt.savefig(f"{output_folder}/商品销售占比.png")
    
    # 生成Excel报告
    print("正在生成Excel报告...")
    report_file = f"{output_folder}/销售分析报告_{datetime.now().strftime('%Y%m%d')}.xlsx"
    writer = pd.ExcelWriter(report_file, engine='openpyxl')
    
    df.to_excel(writer, sheet_name='原始数据', index=False)
    高价商品.to_excel(writer, sheet_name='高价商品', index=False)
    各地区销售额.to_excel(writer, sheet_name='地区销售统计')
    各商品销售额.to_excel(writer, sheet_name='商品销售统计')
    
    writer.close()
    
    print(f"处理完成！报告已保存至: {report_file}")

# 使用函数处理数据
process_sales_data('销售数据.xlsx', '销售报告')

• 我们创建了一个专业的函数，只需调用一次，就能完成所有Excel数据处理工作，并生成带有时间戳的报告文件。每天运行一次这个脚本，你的老板一定会对你刮目相看！

---

八、进阶：定时自动执行

想让程序每天自动运行，生成最新报表？我们可以使用计划任务：

# Windows系统可以添加到计划任务
# 创建一个.bat文件，内容如下：
# python C:\path\to\your\excel_automation.py

# Linux/Mac可以使用crontab
# 在终端执行 crontab -e，添加：
# 0 9 * * * python /path/to/your/excel_automation.py

• 这样设置后，系统会在每天早上9点自动运行你的Python脚本，当你到办公室时，最新的销售报告已经躺在文件夹里了！

---

总结

今天我们学习了使用Python进行Excel数据处理自动化的基本方法：

• 使用pandas读取Excel文件
• 进行数据清洗和处理
• 生成数据分析和可视化
• 输出结果到新的Excel文
• 实现完整的自动化流程

掌握这些技能，你就能把每天花在Excel上的时间从几小时缩短到几分钟！Python不仅让你的工作更高效，也让你的分析更专业。

总结

• 最后希望你编程学习上不急不躁,按照计划有条不紊推进,把任何一件事做到极致,都是不容易的,加油,努力！相信自己！

文末福利

• 最后这里免费分享给大家一份Python全套学习资料，希望能帮到那些不满现状，想提升自己却又没有方向的朋友，也可以和我一起来学习交流呀。

包含编程资料、学习路线图、源代码、软件安装包等！【[点击这里]】领取！

• ① Python所有方向的学习路线图，清楚各个方向要学什么东西
• ② 100多节Python课程视频，涵盖必备基础、爬虫和数据分析
• ③ 100多个Python实战案例，学习不再是只会理论
• ④ 华为出品独家Python漫画教程，手机也能学习

可以扫描下方二维码领取【保证100%免费】