Python 玩转 Excel 案例【第 4 期】

大家好！今天我们来学习一个实用的Python小案例：用Python自动合并Excel多工作表的公司数据并去重。

一、案例背景

想象一下：你有一个Excel文件，里面有5个公司的工作表，每个表记录了4个季度的冠亚季军名单。领导让你统计每个公司出现过哪些人（去重合并）。手动复制粘贴不仅繁琐，还容易出错。

我们今天要学的Python脚本，就是专门解决这个问题的自动化工具。

二、整体功能预览

这个脚本主要完成以下任务：

• • ✅ 读取一个Excel文件（.xlsx格式）中的所有工作表
• • ✅ 每个工作表代表一个公司
• • ✅ 提取每个工作表中指定列（比如B、C、D列）的数据
• • ✅ 去重后合并成一个字符串
• • ✅ 输出一个新的Excel文件，包含两列：”公司名”和”名单”

三、准备工作

在开始之前，请确保你已经安装了必要的库：

pip install pandas openpyxl

• • pandas：强大的数据处理库
• • openpyxl：用于读写Excel文件的引擎

四、代码整体结构

import logging
from pathlib import Path
from typing import List, Optional, Union

import pandas as pd

# 配置日志
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")
logger = logging.getLogger(__name__)

# 三个核心函数
def read_company_data(...): ...
def save_company_result(...): ...
def process_excel_companies(...): ...

if __name__ == "__main__":
    # 主程序入口
    process_excel_companies(...)

关于模块导入

• • from ... import ...：只导入模块中的特定部分
• • import ... as ...：导入整个模块并起别名

记忆要点

• • 只用模块中的1-2个功能 → from ... import ...
  例如：from math import pi
• • 要用模块的很多功能 → import ... as ...
  例如：import numpy as np
• • 模块名本身就很短/清晰 → import ...
  例如：import json
• • 避免命名冲突 → import ... as ...
  例如：import statistics as stats

五、逐个函数详解

1. 日志配置模块

# 配置日志
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")
logger = logging.getLogger(__name__)

知识点讲解：

• • logging模块：Python内置的日志记录工具，可以让我们清楚地看到程序运行的过程
• • basicConfig()：配置日志的基本设置
• • level=logging.INFO：设置日志级别为INFO
• • format：定义日志的输出格式（时间 – 级别 – 具体信息）
• • getLogger(name)：创建一个以当前模块名命名的日志记录器

2. read_company_data 函数（核心处理函数）

这个函数是整个程序的核心，负责读取Excel文件并处理数据。

def read_company_data(
    input_path: Union[str, Path],
    columns: Optional[List[Union[int, str]]] = None,
    skip_rows: int = 1,
) -> pd.DataFrame:

参数说明

• • input_path (str或Path，必填)：输入的Excel文件路径
• • columns (List[int或str]，默认None，函数内单独设置了默认值，若为None则设为[1,2,3])：要读取的列（列号或列名）
• • skip_rows (int，默认1)：跳过前几行（通常是表头）

Union与Optional

def read_company_data(
    columns: Optional[List[Union[int, str]]] = None,  # 嵌套使用
)

拆解分析：

• • Optional[...]：表示这个参数可以传，也可以不传（不传时默认为None）
• • List[Union[int, str]]：表示列表里的元素可以是int，也可以是str
• • 整体意思：columns参数要么是None，要么是一个包含int或str的列表

💡 记忆技巧

• • 这个参数可以是int或str → Union[int, str]
• • 这个参数可以传int，也可以不传 → Optional[int]
• • 这个参数可以是int或str，也可以不传 → Optional[Union[int, str]]

代码详解

第一步：参数初始化

if columns is None:
    columns = [1, 2, 3]

如果调用函数时没指定columns，就默认读取B、C、D列。

第二步：路径处理和文件存在性检查

input_path = Path(input_path)
if not input_path.exists():
    raise FileNotFoundError(f"文件不存在: {input_path}")

• • Path(input_path)：将字符串路径转换成Path对象
• • exists()：检查文件是否存在

第三步：读取Excel文件

try:
    sheet_dict = pd.read_excel(
        input_path, 
        sheet_name=None, 
        header=None, 
        usecols=columns, 
        skiprows=skip_rows
    )
    logger.info(f"读取文件: {input_path}，工作表: {list(sheet_dict.keys())}")
except Exception as e:
    logger.error(f"无法读取 Excel 文件: {e}")
    raise

关键参数解读：

• • sheet_name=None：一次性读取所有工作表，返回字典（键=工作表名，值=DataFrame）
• • header=None：不把任何行当作列名（后面会详细解释为什么）
• • usecols=columns：只读取指定列
• • skiprows=skip_rows：跳过前n行（通常是表头）

重要：header=None 与 skiprows 的配合使用

原始数据示例（蜀中集团）

  季度   冠军   亚军   季军   ← 第1行（标题行，需跳过）
0 1季度  张无忌 赵敏   杨逍   ← 第2行（数据）
1 2季度  张无忌 杨逍   赵敏   ← 第3行（数据）
2 3季度  杨逍   张无忌 周芷若 ← 第4行（数据）
3 4季度  张无忌 赵敏   杨逍   ← 第5行（数据）

✅ 正确用法：header=None, skiprows=1

pd.read_excel(..., header=None, skiprows=1, usecols=[1,2,3])

读取结果：

   0     1     2
0  张无忌 赵敏   杨逍
1  张无忌 杨逍   赵敏
2  杨逍   张无忌 周芷若
3  张无忌 赵敏   杨逍

原理：

• • skiprows=1：跳过第1行标题
• • header=None：确保剩下的全是数据，没有列名干扰

❌ 常见错误

错误1：只用header=None（不跳行）

pd.read_excel(..., header=None, skiprows=0, usecols=[1,2,3])

读取结果❌：

   0     1     2
0  冠军   亚军   季军   ← 标题被当成数据！
1  张无忌 赵敏   杨逍
2  张无忌 杨逍   赵敏
3  杨逍   张无忌 周芷若
4  张无忌 赵敏   杨逍

问题：标题”冠军/亚军/季军”被当成数据处理

错误2：只用skiprows=1（无header=None）

pd.read_excel(..., header=0, skiprows=1, usecols=[1,2,3])

读取结果❌：

  张无忌  杨逍  张无忌  ← 原第2行数据被当成了列名
0  杨逍  张无忌  周芷若  ← 原第3行数据
1  张无忌  赵敏  杨逍   ← 原第4行数据
2  张无忌  赵敏  杨逍   ← 原第5行数据

问题：原第2行数据”张无忌/杨逍/张无忌”变成列名

错误3：header=0, skiprows=0（默认）

pd.read_excel(..., header=0, skiprows=0, usecols=[1,2,3])

读取结果❌：

   冠军   亚军   季军
0  张无忌 赵敏   杨逍
1  张无忌 杨逍   赵敏
2  杨逍   张无忌 周芷若
3  张无忌 赵敏   杨逍

问题：虽然显示正确，但后面的df.stack()会把列名也堆叠进去

第四步：遍历每个工作表并处理数据

result_rows = []

for sheet_name, df in sheet_dict.items():
    try:
        # 数据处理流水线：堆叠 → 去重 → 去空 → 合并
        unique_values = df.stack().drop_duplicates().dropna()
        combined_str = "、".join(map(str, unique_values))

        result_rows.append({"公司名": sheet_name, "名单": combined_str})
        logger.info(f"处理完成: {sheet_name}，共 {len(unique_values)} 条唯一值")

数据处理流程详解：

以蜀中集团数据为例：

原始DataFrame：
   0     1     2
0  张无忌 赵敏   杨逍
1  张无忌 杨逍   赵敏
2  杨逍   张无忌 周芷若
3  张无忌 赵敏   杨逍

1. 1. df.stack()：堆叠所有列（只显示行号，省略了列号）

   0 张无忌
   0 赵敏
   0 杨逍
   1 张无忌
   1 杨逍
   1 赵敏
   2 杨逍
   2 张无忌
   2 周芷若
   3 张无忌
   3 赵敏
   3 杨逍

2. 2. drop_duplicates()：去重

   0  张无忌
   0  赵敏
   0  杨逍
   2  周芷若
   dtype: object

3. 3. dropna()：去除空值（如有）
4. 4. "、".join(map(str, unique_values))：将unique_values中的每个元素转成字符串，并用顿号连接成一个完整的文本。

拆解看：
    map(str, …)：把每个元素转成字符串（防数字等类型报错）

"、".join(...)：用顿号把这些字符串串起来

最终效果：

["张无忌", "赵敏", "杨逍"] → "张无忌、赵敏、杨逍" 

第五步：返回结果

    except Exception as e:
        logger.error(f"处理工作表 {sheet_name} 时出错: {e}")
        result_rows.append({"公司名": sheet_name, "名单": f"处理失败: {e}"})

return pd.DataFrame(result_rows)

📌 为什么要转换成DataFrame？

原始result_rows（列表套字典）：

result_rows = [
    {"公司名": "蜀中集团", "名单": "张无忌、赵敏、杨逍、周芷若"},
    {"公司名": "姑苏慕容", "名单": "慕容复、邓百川、包不同、风波恶"},
    # ...
]

转换成DataFrame后：

为什么要转换？

• • ✅ 后续save_company_result()需要DataFrame才能用to_excel()
• • ✅ 表格化展示更清晰
• • ✅ 便于后续数据处理

3. save_company_result 函数（保存结果）

def save_company_result(
    df: pd.DataFrame,
    output_path: Union[str, Path],
    sheet_name: str = "统计结果",
) -> None:

参数讲解

• • df (pd.DataFrame，必填)：包含处理结果的DataFrame
• • output_path (str或Path，必填)：输出文件路径
• • sheet_name (str，默认"统计结果")：Excel工作表名称

代码详解：

output_path = Path(output_path)
try:
    df.to_excel(output_path, sheet_name=sheet_name, index=False, engine="openpyxl")
    logger.info(f"结果已保存至: {output_path}")
except Exception as e:
    logger.error(f"保存文件失败: {e}")
    raise

代码详解：

• • Path(output_path)：把输出路径转换成Path对象
• • df.to_excel()：把DataFrame直接写入Excel文件
• • output_path：输出文件路径
• • sheet_name=sheet_name：指定工作表名称
• • index=False：不保存DataFrame的行索引（就是左边那个默认的数字序号）
• • engine="openpyxl"：指定使用openpyxl引擎处理.xlsx格式

4. process_excel_companies 函数（主流程）

def process_excel_companies(
    input_path: Union[str, Path] = "Chapter-4.xlsx",
    output_path: Union[str, Path] = "Chapter-4-统计结果.xlsx",
    columns: Optional[List[Union[int, str]]] = None,
    skip_rows: int = 1,
) -> None:

logger.info("开始处理 Excel 公司数据...")
try:
    result_df = read_company_data(input_path, columns, skip_rows)
    save_company_result(result_df, output_path)
    logger.info("处理完成。")
except Exception as e:
    logger.critical(f"程序执行失败: {e}")
    raise

这个函数是整个程序的”总指挥”，流程清晰：

1. 1. 记录开始日志
2. 2. 调用read_company_data读取数据
3. 3. 调用save_company_result保存结果
4. 4. 记录完成日志

5. 主程序入口

if __name__ == "__main__":
    process_excel_companies()

说明：只有当这个文件被直接运行时，才会执行下面的代码（而不是被导入时）。

六、运行效果展示

输入文件内容

蜀中集团工作表：

姑苏慕容工作表：

太湖帮工作表：

西湖会工作表：

金陵帮工作表：

运行程序

python company_processor.py

控制台输出

2026-03-09 20:15:23 - INFO - 开始处理 Excel 公司数据...
2026-03-09 20:15:24 - INFO - 读取文件: Chapter-4.xlsx，工作表: ['蜀中集团', '姑苏慕容', '太湖帮', '西湖会', '金陵帮']
2026-03-09 20:15:24 - INFO - 处理完成: 蜀中集团，共 4 条唯一值
2026-03-09 20:15:24 - INFO - 处理完成: 姑苏慕容，共 4 条唯一值
2026-03-09 20:15:24 - INFO - 处理完成: 太湖帮，共 4 条唯一值
2026-03-09 20:15:24 - INFO - 处理完成: 西湖会，共 4 条唯一值
2026-03-09 20:15:24 - INFO - 处理完成: 金陵帮，共 3 条唯一值
2026-03-09 20:15:24 - INFO - 结果已保存至: Chapter-4-统计结果.xlsx
2026-03-09 20:15:24 - INFO - 处理完成。

输出结果

七、知识点总结

通过这个实战项目，我们学到了：

八、应用场景拓展

这个脚本可以广泛应用于：

• • 📊 人力资源：整理各公司员工名单
• • 📈 销售管理：汇总各团队业绩数据
• • 💰 财务统计：统计各部门费用明细
• • 📋 项目管理：合并各项目成员信息
• • 🔍 数据分析：从多工作表中提取并汇总数据

希望这篇教程能帮助你掌握Python处理Excel数据的技巧，提升工作效率！

📦 资源获取提示

关注「码农自习室」，后台回复关键词 PythonExcel案例，即可获取本文完整代码及配套练习数据集，一起动手掌握高效数据操作的核心技巧！

❤️ 支持我们

如果本文对你有帮助，欢迎点赞 + 关注 + 点亮小红心，你的支持就是我们持续创作的最大动力～