大家好！我是CSDN的Python新手博主～ 前面六篇分享了文件整理、记账、OCR、PDF/Word批量处理等办公自动化工具，很多小伙伴反馈“日常要处理大量Excel数据，筛选统计太耗时，还不会做可视化图表”。今天就带来超落地的新手实战项目——Excel批量处理+数据可视化工具！

这个工具能一键搞定“批量读取多个Excel、筛选清洗数据、自动生成柱状图/折线图/饼图”，还能把图表保存到本地或插入Excel中。全程用2个基础第三方库实现，代码逻辑简单，新手复制就能运行，学会后不管是做报表、写总结，都能快速出专业图表，效率翻倍～

一、本次学习目标

1. 掌握Excel处理核心库（openpyxl）的进阶用法（批量读取、数据筛选）；

2. 学会基础数据可视化库（matplotlib）的入门使用，生成常见图表；

3. 理解“数据读取-清洗-可视化”的完整流程；

4. 实现菜单式交互，支持批量处理与图表生成，不用修改代码。

二、前期准备：安装依赖库

本次核心依赖2个库，都是新手友好型，安装步骤超简单，打开命令行（Win+R输cmd/Mac终端），用清华源安装即可：

处理Excel（读取、写入、插入图表）

pip install openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple

数据可视化（生成柱状图、折线图等）

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：openpyxl 支持 Excel 2007及以上版本（.xlsx格式），如果是 .xls 旧格式，需先另存为 .xlsx；matplotlib 默认不支持中文，后续代码会加入中文显示配置，避免乱码！

三、实战：实现Excel批量处理+数据可视化工具

1. 核心需求

• 批量读取：读取指定文件夹内所有Excel文件的指定sheet数据；

• 数据筛选：按条件筛选数据（如“销售额>1000”“部门=技术部”），生成新Excel；

• 图表生成：基于Excel数据自动生成柱状图、折线图、饼图，支持保存为图片或插入原Excel；

• 批量统计：统计多个Excel的汇总数据（如各部门总销售额），生成汇总表。

2. 完整代码（可直接复制运行）

import os
import matplotlib.pyplot as plt
from openpyxl import load_workbook, Workbook
from openpyxl.drawing.image import Image

配置matplotlib中文显示（避免乱码）

plt.rcParams[‘font.sans-serif’] = [‘SimHei’] # 用黑体显示中文
plt.rcParams[‘axes.unicode_minus’] = False # 正常显示负号

def batch_read_excel(input_folder, sheet_name=“Sheet1”):
“”“批量读取文件夹内所有Excel的指定sheet数据，返回汇总数据”“”
excel_files = [f for f in os.listdir(input_folder) if f.lower().endswith(‘.xlsx’)]
if not excel_files:
print(“❌ 目标文件夹内无xlsx格式文件！”)
return []

all_data = []
try:
    for excel_file in excel_files:
        file_path = os.path.join(input_folder, excel_file)
        wb = load_workbook(file_path)
        # 检查sheet是否存在，不存在则用第一个sheet
        if sheet_name not in wb.sheetnames:
            sheet_name = wb.sheetnames[0]
            print(f"⚠️ {excel_file} 无{sheet_name}，自动使用第一个sheet：{sheet_name}")
        ws = wb[sheet_name]
        
        # 读取数据（第一行为表头，从第二行开始读数据）
        headers = [cell.value for cell in ws[1]]  # 表头
        data = []
        for row in ws.iter_rows(min_row=2, values_only=True):
            if row[0] is not None:  # 跳过空行
                data.append(dict(zip(headers, row)))
        
        all_data.extend(data)
        print(f"✅ 已读取：{excel_file}，共{len(data)}条数据")
    print(f"\n📊 批量读取完成！总计{len(all_data)}条数据")
    return all_data
except Exception as e:
    print(f"❌ 读取失败：{str(e)}")
    return []

def filter_excel_data(data, filter_key, filter_condition, filter_value, output_excel):
“”“按条件筛选数据，生成新Excel（如：销售额>1000、部门=技术部）”“”
if not data:
print(“❌ 无待筛选数据！”)
return

# 筛选逻辑
filtered_data = []
for item in data:
    # 确保筛选字段存在
    if filter_key not in item:
        print(f"❌ 数据中无{filter_key}字段！")
        return
    item_value = item[filter_key]
    # 处理数值类型转换（避免字符串比较）
    try:
        item_value = float(item_value)
        filter_value = float(filter_value)
    except:
        pass  # 非数值类型直接字符串比较
    
    # 按条件筛选
    if filter_condition == ">":
        if item_value > filter_value:
            filtered_data.append(item)
    elif filter_condition == "<":
        if item_value < filter_value:
            filtered_data.append(item)
    elif filter_condition == "==":
        if item_value == filter_value:
            filtered_data.append(item)
    else:
        print("❌ 不支持的筛选条件！仅支持 > < =（输入==）")
        return

if not filtered_data:
    print("❌ 无符合条件的数据！")
    return

# 生成筛选后的Excel
wb = Workbook()
ws = wb.active
ws.title = "筛选结果"
# 写入表头
headers = list(data[0].keys())
for col, header in enumerate(headers, 1):
    ws.cell(row=1, column=col, value=header)
# 写入数据
for row, item in enumerate(filtered_data, 2):
    for col, key in enumerate(headers, 1):
        ws.cell(row=row, column=col, value=item[key])

wb.save(output_excel)
print(f"\n🎉 筛选完成！符合条件共{len(filtered_data)}条数据，已保存至：{output_excel}")

def generate_chart(data, chart_type, x_key, y_key, output_path):
“”“生成图表（柱状图/折线图/饼图），保存为图片”“”
if not data:
print(“❌ 无待可视化数据！”)
return

# 提取x和y轴数据
x_data = [item.get(x_key, "") for item in data]
y_data = [item.get(y_key, 0) for item in data]
# 过滤空数据
x_data, y_data = zip(*[(x, y) for x, y in zip(x_data, y_data) if x and y])
if not x_data:
    print("❌ 无有效数据用于生成图表！")
    return

# 创建图表
plt.figure(figsize=(10, 6))  # 图表大小

if chart_type == "柱状图":
    plt.bar(x_data, y_data, color='#3498db')
elif chart_type == "折线图":
    plt.plot(x_data, y_data, marker='o', color='#e74c3c', linewidth=2)
elif chart_type == "饼图":
    # 饼图需要标签和百分比
    plt.pie(y_data, labels=x_data, autopct='%1.1f%%', colors=['#3498db', '#e74c3c', '#2ecc71', '#f39c12'])
    plt.axis('equal')  # 保证饼图是正圆形
else:
    print("❌ 不支持的图表类型！仅支持 柱状图 折线图 饼图")
    return

# 图表标题和坐标轴标签
plt.title(f"{y_key}按{x_key}分布", fontsize=14)
if chart_type != "饼图":
    plt.xlabel(x_key, fontsize=12)
    plt.ylabel(y_key, fontsize=12)
plt.xticks(rotation=45)  # x轴标签旋转45度，避免重叠
plt.tight_layout()  # 自动调整布局，防止标签被截断

# 保存图表
plt.savefig(output_path, dpi=300)
plt.close()
print(f"\n🎉 图表生成完成！已保存至：{output_path}")

def main():
“”“主菜单：交互选择功能”“”
print(“===== Python Excel批量处理+数据可视化工具 =====”)
print(“1. 批量读取多个Excel数据”)
print(“2. 按条件筛选数据并生成新Excel”)
print(“3. 生成柱状图/折线图/饼图（保存为图片）”)
print(“4. 退出工具”)

all_data = []  # 存储批量读取的所有数据
while True:
    choice = input("\n请输入操作编号（1-4）：")
    if choice == "1":
        input_folder = input("请输入Excel文件夹路径（如：C:\\Users\\张三\\Desktop\\Excel数据）：")
        sheet_name = input("请输入要读取的sheet名称（默认Sheet1）：") or "Sheet1"
        all_data = batch_read_excel(input_folder, sheet_name)
    elif choice == "2":
        if not all_data:
            print("⚠️  请先执行【1. 批量读取多个Excel数据】！")
            continue
        filter_key = input("请输入筛选字段（如：销售额、部门）：")
        filter_condition = input("请输入筛选条件（> / < / ==）：")
        filter_value = input(f"请输入筛选值（如：1000、技术部）：")
        output_excel = input("请输入筛选结果保存文件名（如：筛选结果.xlsx）：")
        filter_excel_data(all_data, filter_key, filter_condition, filter_value, output_excel)
    elif choice == "3":
        if not all_data:
            print("⚠️  请先执行【1. 批量读取多个Excel数据】！")
            continue
        chart_type = input("请输入图表类型（柱状图/折线图/饼图）：")
        x_key = input("请输入x轴字段（如：部门、月份）：")
        y_key = input("请输入y轴字段（如：销售额、人数）：")
        output_path = input("请输入图表保存路径（如：C:\\Users\\张三\\Desktop\\销售额图表.png）：")
        generate_chart(all_data, chart_type, x_key, y_key, output_path)
    elif choice == "4":
        print("感谢使用，再见！")
        break
    else:
        print("❌ 输入错误，请选择1-4之间的编号！")

if name == “main”:
main()

3. 关键代码拆解（新手必看）

（1）核心库作用

-openpyxl：Excel处理核心库，支持批量读取多个Excel、筛选数据、生成新Excel，还能插入图片（后续扩展用）；

• matplotlib：Python最常用的可视化库，入门简单，支持多种图表类型，生成的图表可直接保存为图片；

• os：处理文件路径、遍历文件夹，和之前工具用法一致，新手可直接复用知识。

（2）批量读取Excel逻辑

• 用 os.listdir() 筛选文件夹内所有 .xlsx 文件，避免处理非Excel文件；

• 用 load_workbook() 打开Excel，ws.iter_rows(min_row=2, values_only=True)从第二行开始读取数据（跳过表头）；

• 用字典（dict(zip(headers, row))）存储每条数据，键是表头、值是数据，后续筛选/可视化更方便。

（3）数据筛选逻辑

• 支持 “>”“<”“” 三种常用筛选条件，覆盖大部分办公场景（如“销售额>1000”“部门技术部”）；

• 加入数值类型转换（float()），避免“字符串格式的数字”无法比较（如“1000”和1000）；

• 筛选后自动生成新Excel，表头和原数据一致，不用手动整理格式。

（4）数据可视化逻辑

• 先配置中文显示（plt.rcParams），这是matplotlib新手最容易踩的坑，提前配置好避免乱码；

• 提取x轴和y轴数据后，过滤空值（避免图表显示异常）；

• 不同图表类型用不同函数：plt.bar()（柱状图）、plt.plot()（折线图）、plt.pie()（饼图），参数简单易懂；

• 设置图表标题、坐标轴标签，旋转x轴标签（rotation=45），避免文字重叠，让图表更专业。

四、运行效果演示

1. 批量读取Excel+生成柱状图

===== Python Excel批量处理+数据可视化工具 =====

1. 批量读取多个Excel数据
2. 按条件筛选数据并生成新Excel
3. 生成柱状图/折线图/饼图（保存为图片）
4. 退出工具

请输入操作编号（1-4）：1
请输入Excel文件夹路径：C:\Users\张三\Desktop\月度销售额
请输入要读取的sheet名称（默认Sheet1）：
✅ 已读取：1月销售额.xlsx，共5条数据
✅ 已读取：2月销售额.xlsx，共5条数据

📊 批量读取完成！总计10条数据

请输入操作编号（1-4）：3
请输入图表类型（柱状图/折线图/饼图）：柱状图
请输入x轴字段（如：部门、月份）：部门
请输入y轴字段（如：销售额、人数）：销售额
请输入图表保存路径：C:\Users\张三\Desktop\部门销售额柱状图.png

🎉 图表生成完成！已保存至：C:\Users\张三\Desktop\部门销售额柱状图.png

打开保存的图片，会看到清晰的柱状图，每个部门的销售额对比一目了然，比Excel手动做图更快捷！

2. 筛选数据

请输入操作编号（1-4）：2
请输入筛选字段（如：销售额、部门）：销售额
请输入筛选条件（> / < / ==）：>
请输入筛选值（如：1000、技术部）：1500
请输入筛选结果保存文件名（如：筛选结果.xlsx）：销售额大于1500.xlsx

🎉 筛选完成！符合条件共3条数据，已保存至：销售额大于1500.xlsx

五、新手避坑小贴士

1. Excel格式问题：仅支持 .xlsx 格式，.xls 旧格式需用WPS/Excel另存为 .xlsx；如果Excel中有合并单元格，会导致读取数据错乱，新手建议先取消合并单元格再处理。

2. matplotlib中文乱码：代码中已加入中文配置（SimHei是黑体），如果仍乱码，可能是系统缺少黑体，可百度“matplotlib中文乱码解决”，下载黑体字体放到指定目录。

3. 数据类型问题：筛选数值字段（如销售额）时，确保Excel中该列是“数字格式”，如果是文本格式，可能导致筛选失败，可在Excel中选中列→设置单元格格式→数字。

4. 路径问题：Windows路径用 r"路径" 或把反斜杠改成正斜杠（如 “C:/Users/张三/Desktop”）；路径中不要有空格、emoji或特殊符号。

5. 图表显示问题：如果x轴标签太多导致重叠，可调整 rotation 参数（如 rotation=60），或增大 figsize（如 figsize=(12,6)）。

六、功能扩展（新手进阶方向）

学会核心功能后，可尝试这些进阶扩展，让工具更实用：

1. 图表插入Excel：用 openpyxl 的 Image() 函数，把生成的图表直接插入Excel指定位置，不用单独保存图片；

2. 多图表组合：在同一张图中显示柱状图+折线图（如销售额柱状图+增长率折线图）；

3. Excel批量合并：把多个Excel的相同sheet合并为一个汇总Excel，自动去重；

4. 自动发送报表：把筛选后的数据和生成的图表，通过邮件自动发送给指定人（结合之前学的邮件发送工具）；

5. 交互式图表：用 pyecharts 库替换 matplotlib，生成可点击、可缩放的交互式图表（网页格式）。

七、总结与后续规划

这篇文章通过“Excel批量处理+数据可视化工具”，带大家掌握了办公自动化的核心技能——Excel数据处理与图表生成。新手学习Python的关键就是“带着需求学”，把工具用到实际工作中，比如用它做月度销售报表、学生成绩统计，既能节省时间，又能加深对知识点的理解。

接下来的系列文章，我会聚焦“工具整合”与“GUI可视化”：

• 办公自动化大整合：把Excel、Word、PDF、邮件发送工具整合为一个“全能办公助手”；

• Python GUI实战：用 tkinter 给工具加可视化界面（点击按钮选择文件、生成图表），彻底告别命令行；

• 定时自动化：设置定时任务，每天自动处理Excel数据、生成报表并发送给领导。

如果这篇文章对你有帮助，欢迎点赞收藏+关注，也可以在评论区分享你的使用问题（比如“图表中文乱码”“筛选数据失败”），我会逐一解答～ 新手不用怕出错，多尝试、多调试代码，慢慢就能熟练掌握这些实用技能！