Python自动化办公入门指南（三）：Excel自动化实战

目录

前言

一、环境准备与基础操作

1.安装openpyxl库

2. 创建新Excel文件

3. 读取现有Excel文件

二、数据批量处理与格式化

1. 批量写入数据

2. 条件格式设置

三、数据统计

四、自动化报表系统

1. 生成月度报表

2. 定时邮件发送

五、数据分析

1.安装pandas库

2.使用pandas进行数据处理

3.数据统计与分析

六、数据可视化

1.安装matplotlib库

2.使用matplotlib绘制基础图表

3.安装seaborn库

4.使用seaborn绘制高级图表

5.在Excel中嵌入图表

七、自动化分析报告生成

1. 创建分析报告模板

2. 自动填充分析结果

3. 完整分析流程

八、高级分析技巧

1. 预测分析

2. 异常检测

九、实践建议

1.文件备份

2.错误处理

3.数据可视化原则

4.报告自动化

5.性能优化

6.安全考虑

十、下期预告

---

前言

Excel是办公场景中最常用的工具之一，而Python可以帮助我们实现Excel操作的自动化。本篇将深入讲解如何使用Python操作Excel文件，并实现从数据处理到报表生成的完整自动化流程。在Excel自动化处理中，数据分析和可视化是提升工作效率和决策质量的关键环节，本篇还将详细介绍如何使用Python实现Excel数据的自动分析和可视化。

一、环境准备与基础操作

1.安装openpyxl库

pip install openpyxl

2. 创建新Excel文件

from openpyxl import Workbook

# 创建工作簿
wb = Workbook()
ws = wb.active  # 获取活动工作表

# 写入数据
ws['A1'] = "员工编号"
ws['B1'] = "姓名"
ws['C1'] = "部门"

# 保存文件
wb.save("员工信息.xlsx")

3. 读取现有Excel文件

from openpyxl import load_workbook

# 加载工作簿
wb = load_workbook("员工信息.xlsx")
ws = wb.active

# 读取数据
for row in ws.iter_rows(min_row=2, values_only=True):
    print(row)

二、数据批量处理与格式化

1. 批量写入数据

from openpyxl.styles import Font, Alignment

# 示例数据
employees = [
    ["A1001", "张三", "销售部", 8500],
    ["A1002", "李四", "技术部", 12000],
    ["A1003", "王五", "财务部", 9500]
]

# 写入数据
for i, emp in enumerate(employees, start=2):
    for j, value in enumerate(emp, start=1):
        ws.cell(row=i, column=j, value=value)

# 设置表头样式
header_font = Font(bold=True, color="FFFFFF")
header_fill = PatternFill(start_color="4F81BD", end_color="4F81BD", fill_type="solid")

for cell in ws[1]:
    cell.font = header_font
    cell.fill = header_font
    cell.alignment = Alignment(horizontal="center")

# 自动调整列宽
for col in ws.columns:
    max_length = 0
    column = col[0].column_letter
    for cell in col:
        try:
            if len(str(cell.value)) > max_length:
                max_length = len(str(cell.value))
        except:
            pass
    adjusted_width = (max_length + 2) * 1.2
    ws.column_dimensions[column].width = adjusted_width

wb.save("格式化员工信息.xlsx")

2. 条件格式设置

from openpyxl.styles import PatternFill
from openpyxl.formatting.rule import CellIsRule

# 设置薪资高亮
red_fill = PatternFill(start_color="FF0000", end_color="FF0000", fill_type="solid")
ws.conditional_formatting.add(f"D2:D{len(employees)+1}",
                            CellIsRule(operator='greaterThan', formula=['10000'], fill=red_fill))

三、数据统计

部门薪资统计

from openpyxl.chart import BarChart, Reference

# 计算部门平均薪资
department_data = {}
for row in ws.iter_rows(min_row=2, values_only=True):
    dept = row[2]
    salary = row[3]
    if dept not in department_data:
        department_data[dept] = {"total": 0, "count": 0}
    department_data[dept]["total"] += salary
    department_data[dept]["count"] += 1

# 创建统计表
stats_ws = wb.create_sheet("部门统计")
stats_ws.append(["部门", "平均薪资"])

for dept, data in department_data.items():
    avg_salary = data["total"] / data["count"]
    stats_ws.append([dept, avg_salary])

# 创建柱状图
chart = BarChart()
labels = Reference(stats_ws, min_col=1, min_row=2, max_row=len(department_data)+1)
data = Reference(stats_ws, min_col=2, min_row=1, max_row=len(department_data)+1)
chart.add_data(data, titles_from_data=True)
chart.set_categories(labels)
stats_ws.add_chart(chart, "E2")

四、自动化报表系统

1. 生成月度报表

import datetime
from openpyxl.utils import get_column_letter

def generate_monthly_report(data, month):
    wb = Workbook()
    ws = wb.active
    ws.title = f"{month}月报表"
    
    # 写入表头
    headers = ["日期"] + list(data[0].keys())[1:]
    ws.append(headers)
    
    # 写入数据
    for record in data:
        ws.append(list(record.values()))
    
    # 添加汇总行
    last_row = len(data) + 2
    ws[f"A{last_row}"] = "总计"
    for col in range(2, len(headers) + 1):
        col_letter = get_column_letter(col)
        ws[f"{col_letter}{last_row}"] = f"=SUM({col_letter}2:{col_letter}{last_row-1})"
    
    # 保存文件
    filename = f"{month}月销售报告.xlsx"
    wb.save(filename)
    return filename

2. 定时邮件发送

import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.base import MIMEBase
from email import encoders
import schedule
import time

def send_email_with_attachment(filename):
    # 邮件配置
    sender = "[email protected]"
    receiver = "[email protected]"
    password = "your_password"
    
    # 创建邮件
    msg = MIMEMultipart()
    msg['From'] = sender
    msg['To'] = receiver
    msg['Subject'] = f"月度销售报告 - {datetime.datetime.now().strftime('%Y-%m')}"
    
    # 添加附件
    with open(filename, "rb") as attachment:
        part = MIMEBase("application", "octet-stream")
        part.set_payload(attachment.read())
    encoders.encode_base64(part)
    part.add_header(
        "Content-Disposition",
        f"attachment; filename= {filename}",
    )
    msg.attach(part)
    
    # 发送邮件
    with smtplib.SMTP("smtp.example.com", 587) as server:
        server.starttls()
        server.login(sender, password)
        server.send_message(msg)

# 定时任务
def weekly_report():
    filename = generate_monthly_report(sales_data, datetime.datetime.now().strftime("%Y-%m"))
    send_email_with_attachment(filename)

# 每周五下午5点发送
schedule.every().friday.at("17:00").do(weekly_report)

while True:
    schedule.run_pending()
    time.sleep(1)

五、数据分析

1.安装pandas库

pip install pandas

2.使用pandas进行数据处理

import pandas as pd

# 读取Excel文件
df = pd.read_excel("销售数据.xlsx")

# 基本数据概览
print(df.info())
print(df.describe())

# 数据清洗
df.dropna(inplace=True)  # 删除空值
df.drop_duplicates(inplace=True)  # 删除重复值

3.数据统计与分析

# 按产品类别统计
category_stats = df.groupby("产品类别")["销售额"].agg(["sum", "mean", "count"])
print(category_stats)

# 按月统计销售额
df["月份"] = pd.to_datetime(df["日期"]).dt.to_period("M")
monthly_sales = df.groupby("月份")["销售额"].sum()
print(monthly_sales)

# 计算同比环比
monthly_sales_pct = monthly_sales.pct_change() * 100
print(monthly_sales_pct)

六、数据可视化

1.安装matplotlib库

pip install matplotlib

2.使用matplotlib绘制基础图表

import matplotlib.pyplot as plt

# 设置中文字体
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 绘制月度销售额折线图
plt.figure(figsize=(10, 6))
monthly_sales.plot(kind="line", marker="o")
plt.title("月度销售额趋势")
plt.xlabel("月份")
plt.ylabel("销售额（元）")
plt.grid(True)
plt.savefig("月度销售额趋势.png")  # 保存图表
plt.close()

3.安装seaborn库

pip install seaborn

4.使用seaborn绘制高级图表

import seaborn as sns

# 绘制产品类别销售额分布
plt.figure(figsize=(12, 8))
sns.boxplot(x="产品类别", y="销售额", data=df)
plt.title("各产品类别销售额分布")
plt.xticks(rotation=45)
plt.savefig("产品类别销售额分布.png")
plt.close()

# 绘制相关性热力图
plt.figure(figsize=(8, 6))
corr = df.corr()
sns.heatmap(corr, annot=True, cmap="coolwarm")
plt.title("数据相关性分析")
plt.savefig("数据相关性.png")
plt.close()

5.在Excel中嵌入图表

from openpyxl.drawing.image import Image

# 将图表插入Excel
wb = load_workbook("销售报告.xlsx")
ws = wb.create_sheet("数据分析")

# 插入月度销售额趋势图
img = Image("月度销售额趋势.png")
ws.add_image(img, "A1")

# 插入产品类别分布图
img = Image("产品类别销售额分布.png")
ws.add_image(img, "A30")

# 插入相关性分析图
img = Image("数据相关性.png")
ws.add_image(img, "J1")

wb.save("销售报告_带图表.xlsx")

七、自动化分析报告生成

1. 创建分析报告模板

def create_analysis_template():
    wb = Workbook()
    ws = wb.active
    ws.title = "分析报告"
    
    # 添加报告标题
    ws["A1"] = "销售数据分析报告"
    ws["A1"].font = Font(size=16, bold=True)
    
    # 添加分析模块
    sections = [
        ("A3", "1. 数据概览"),
        ("A10", "2. 月度趋势分析"),
        ("A20", "3. 产品类别分析"),
        ("A30", "4. 相关性分析")
    ]
    
    for cell, title in sections:
        ws[cell] = title
        ws[cell].font = Font(size=14, bold=True)
    
    return wb

2. 自动填充分析结果

def fill_analysis_results(wb, stats):
    ws = wb["分析报告"]
    
    # 填充数据概览
    ws["A4"] = f"总销售额：{stats['total_sales']:.2f}元"
    ws["A5"] = f"平均订单金额：{stats['avg_order']:.2f}元"
    ws["A6"] = f"产品类别数量：{stats['category_count']}"
    
    # 填充月度趋势分析
    ws["A11"] = "月度销售额趋势图"
    img = Image("月度销售额趋势.png")
    ws.add_image(img, "A12")
    
    # 填充产品类别分析
    ws["A21"] = "产品类别销售额分布"
    img = Image("产品类别销售额分布.png")
    ws.add_image(img, "A22")
    
    # 填充相关性分析
    ws["A31"] = "数据相关性分析"
    img = Image("数据相关性.png")
    ws.add_image(img, "A32")
    
    return wb

3. 完整分析流程

def generate_analysis_report():
    # 数据准备
    df = pd.read_excel("销售数据.xlsx")
    
    # 数据分析
    stats = {
        "total_sales": df["销售额"].sum(),
        "avg_order": df["销售额"].mean(),
        "category_count": df["产品类别"].nunique()
    }
    
    # 数据可视化
    monthly_sales = df.groupby(pd.to_datetime(df["日期"]).dt.to_period("M"))["销售额"].sum()
    monthly_sales.plot(kind="line", marker="o").get_figure().savefig("月度销售额趋势.png")
    
    plt.figure()
    sns.boxplot(x="产品类别", y="销售额", data=df).get_figure().savefig("产品类别销售额分布.png")
    
    plt.figure()
    sns.heatmap(df.corr(), annot=True, cmap="coolwarm").get_figure().savefig("数据相关性.png")
    
    # 生成报告
    wb = create_analysis_template()
    wb = fill_analysis_results(wb, stats)
    wb.save("销售数据分析报告.xlsx")

八、高级分析技巧

1. 预测分析

from sklearn.linear_model import LinearRegression
import numpy as np

# 准备数据
X = np.arange(len(monthly_sales)).reshape(-1, 1)
y = monthly_sales.values

# 训练模型
model = LinearRegression()
model.fit(X, y)

# 预测未来三个月
future_months = 3
predictions = model.predict(np.arange(len(monthly_sales), len(monthly_sales) + future_months).reshape(-1, 1))

# 可视化预测结果
plt.figure(figsize=(10, 6))
plt.plot(monthly_sales.index.astype(str), monthly_sales.values, label="实际值")
plt.plot(pd.date_range(monthly_sales.index[-1].end_time, periods=future_months+1, freq="M")[1:],
         predictions, label="预测值", linestyle="--")
plt.title("销售额预测")
plt.legend()
plt.savefig("销售额预测.png")
plt.close()

2. 异常检测

from scipy import stats

# 计算Z-score
df["z_score"] = np.abs(stats.zscore(df["销售额"]))

# 标记异常值
df["异常标记"] = df["z_score"] > 3

# 可视化异常值
plt.figure(figsize=(10, 6))
plt.scatter(df["日期"], df["销售额"], c=df["异常标记"], cmap="coolwarm")
plt.title("销售额异常检测")
plt.savefig("销售额异常检测.png")
plt.close()

九、实践建议

1.文件备份

• 在修改Excel文件前创建备份

• 使用版本控制（如Git）管理脚本

2.错误处理

• 添加try-except块处理文件操作异常

• 验证数据格式和完整性

3.数据可视化原则

• 选择合适的图表类型

• 保持图表简洁清晰

• 使用一致的配色方案

4.报告自动化

• 建立标准报告模板

• 使用配置文件管理参数

• 实现一键生成完整报告

5.性能优化

• 对于大数据量，考虑使用pandas处理

• 批量写入数据，减少IO操作

6.安全考虑

• 保护包含敏感信息的Excel文件

• 使用配置文件存储邮箱密码等敏感信息

十、下期预告

在下一篇文章中，我们将深入讲解Word自动化实战，包括：

• 使用python-docx生成标准文档

• 批量替换文档内容

• 自动生成合同模板

• 文档格式批量调整

记住：

• 从简单的日报/周报自动化开始

• 逐步将现有工作流程脚本化

• 建立自己的办公自动化工具库