Python 操作 Excel:把每周 3 小时的重复劳动,压缩成 30 秒

每个办公室都有一类人：每周五下午，准时打开七八个 Excel，复制、粘贴、透视、汇总、调格式——2~3 小时的机械劳动，内容固定、步骤固定、下周继续。这一类活，恰恰是 Python 自动化最擅长的领域：读表、合并、计算、汇总、写回、发邮件，全流程 30 秒跑完。

这篇对标的是「完全没写过程序的办公族」和「会点 Python 但没系统用过 openpyxl/pandas 的人」——六个最高频场景，每个给可直接抄的代码模板。读这篇文章不需要编程基础，只需要你会把代码粘进编辑器改几个文件名。

一、装备：两个库，5 分钟装好

pip install pandas openpyxl

pandas：数据处理的主力（读表/筛选/汇总/合并/透视）openpyxl：精细控制 Excel 本身（格式/样式/图表/单元格）分工：数据计算用 pandas，颜值和格式用 openpyxl

二、场景 1：合并多个 Excel（每月最痛的活）

30 个门店各自交一张表，要合并成一张总表——手工是 30 次复制粘贴：

import pandas as pdfrom pathlib import Pathfolder = Path("门店报表")                     # 改成你的文件夹名frames = []for file in folder.glob("*.xlsx"):    df = pd.read_excel(file)                  # 逐个读取    df["来源文件"] = file.stem                 # 记下来自哪张表    frames.append(df)total = pd.concat(frames, ignore_index=True)  # 纵向拼接total.to_excel("总表.xlsx", index=False)      # 写出print(f"合并完成：{len(frames)} 张表，共 {len(total)} 行")

改一个文件夹名就能用——这段模板值回全部学习成本。

三、场景 2：按条件筛选 + 汇总（透视表的代码版）

import pandas as pddf = pd.read_excel("销售明细.xlsx")mask = (df["区域"] == "华东") & (df["金额"] > 1000)result = df[mask]summary = (result.groupby(["区域", "产品"])                 .agg(销量=("数量", "sum"),                      总金额=("金额", "sum"),                      订单数=("订单号", "count"))                 .reset_index()                 .sort_values("总金额", ascending=False))summary.to_excel("汇总.xlsx", index=False)

groupby + agg 就是透视表的代码版——写一次，每月复用，列名改成你的。

四、场景 3：多表关联（VLOOKUP 的代码版，但更强）

import pandas as pdorders = pd.read_excel("订单.xlsx")       # 有一列"客户ID"clients = pd.read_excel("客户名单.xlsx")  # 有"客户ID"和"客户等级"merged = orders.merge(clients[["客户ID", "客户等级"]],                      on="客户ID", how="left")merged["客户等级"] = merged["客户等级"].fillna("未知")merged.to_excel("订单含等级.xlsx", index=False)

merge 比 VLOOKUP 强在：百万行不卡死、多列关联一行搞定、找不到不报错只标记。

五、场景 4：格式与美化（openpyxl 登场）

pandas 写出的表是「素颜」的，发给老板前要加个表头底色和列宽：

from openpyxl import load_workbookfrom openpyxl.styles import PatternFill, Font, Alignmentwb = load_workbook("汇总.xlsx")ws = wb.activeheader_fill = PatternFill("solid", fgColor="4472C4")for cell in ws[1]:    cell.font = Font(bold=True, color="FFFFFF")    cell.fill = header_fill    cell.alignment = Alignment(horizontal="center")for column in ws.columns:    width = max(len(str(c.value or "")) for c in column) + 4    ws.column_dimensions[column[0].column_letter].width = min(width, 40)wb.save("汇总-美化版.xlsx")

六、场景 5：定时自动运行（自动化=无人值守）

手动跑脚本还差一步——让它自己定时跑（Windows 任务计划程序 / Linux cron）：

Windows：任务计划程序 → 创建基本任务 → 触发器选「每周五 17:00」         → 操作选「启动程序」→ 程序填 python，参数填脚本路径Linux/Mac：crontab -e 加一行         0 17 * * 5 cd /path/to/scripts && python merge_report.py

配上前面的合并+汇总+美化，就是一条每周五下午自动生成、自动格式化的完整流水线——你周报里的数据部分，从此零手工。

七、避坑四条（新手最常撞的墙）

坑 1：合并单元格的表头读出来是 NaN——      读取前先把 Excel 里的合并单元格拆开，      或读的时候指定 header 行（pd.read_excel(file, header=2)）坑 2：日期读成了一串数字（45000 之类）——      这是 Excel 的日期序列号，处理：      pd.to_datetime(df["日期列"], origin="1899-12-30", unit="D")      （或读的时候就用 openpyxl 按单元格格式读）坑 3：数字被读成了文本——"1,000" 带千分位的字符串：      df["金额"] = df["金额"].astype(str).str.replace(",", "").astype(float)坑 4：写回时把公式覆盖掉了——pandas 写出会抹掉公式，      需要「保留公式只改数据」的场景用 openpyxl      逐单元格写入，别用 to_excel 整表覆盖

Excel 自动化是 Python 应用的性价比之王：学习成本一两天，回报是每周固定省下的几小时。给你的起步建议：挑你手里重复次数最多的那张表（一定有一张），按场景 1 或 2 的模板改个文件名跑一遍——第一次跑通的那个瞬间，你会开始用「这个能不能自动化」的眼光重新审视手头所有工作。工具的价值从来不在于多高级，在于它替你守住的那几个小时——省下来的时间，才是你学 Python 的第一笔利息。