夜雨聆风
10年青少年编程教育经验 | 资深Python专家
前大厂技术总监 | 现编程教育创业者
专注青少年编程教育技能提升
大家好，我是浩浩学编程的方老师，这是excel办公自动化系列的第20课。
今日技能
📱 一文给大家快速掌握python处理excel的复杂公式问题-if嵌套
你是否写过长达 3 行的 Excel 公式？
你是否因为 VLOOKUP 找不到值而抓狂？
你是否在 50 万行数据面前看着 Excel 卡成PPT？
今天这篇文章，方老师带你用 Python 的 pandas 库，优雅地解决这些痛点。
不需要你是编程大神，跟着例子一步步来，你也能学会！
一、先说句大实话：Excel 公式不是不好，是"复杂场景"扛不住
Excel 是伟大的工具，日常处理几百行数据，写个 =SUM(A1:A10) 完美解决求和问题。
但现实往往是这样的（根据不同阈值显示不同名称）：
=IF(AND(A2>100, B2="VIP"),C2*0.8, IF(OR(A2>50, D2="促销"),C2*0.9, C2))
再比如，你要根据多个条件做汇总：
=SUMIFS(C:C, A:A, "北京",B:B, "手机",D:D, ">2024-01-01")
公式本身没问题，但——
而 pandas，恰好是来解决这些问题的。
二、Pandas 是什么？一句话解释（有朋友提问答疑）
pandas = Python 版的超级 Excel。
它把表格叫做 DataFrame（数据框），每一列叫做 Series（序列）。
你可以把它想象成一个"可以用代码操控的 Excel 表格"。
安装只需一行：
pip install pandas使用只需两行：
import pandas as pd# 读取 Excel 文件，就像打开一个工作簿df = pd.read_excel("销售数据.xlsx")
就这么简单，你的 Excel 数据已经变成了一个可以编程操作的对象。
三、先建关联：Excel 函数 → Pandas 写法对照表
别急着写代码，先看这张对照表，建立"翻译"的感觉：
发现规律了吗？
Excel 是"对单元格操作"，pandas 是"对整列操作"。
一次写好，整列搞定，不用拖拽填充柄。
四、实战演练：针对数据用if打标签
下面我们用一个虚拟的销售数据表来演示。
假设数据长这样：
用代码创建这个表：
import pandas as pddf = pd.DataFrame({'订单号': [1001, 1002, 1003, 1004, 1005],'城市': ['北京', '上海', '北京', '广州', '上海'],'商品': ['手机', '电脑', '手机', '平板', '手机'],'销售额': [5999, 8999, 4599, 3299, 5999],'日期': pd.to_datetime(['2024-03-15', '2024-03-16','2024-03-17', '2024-03-18', '2024-03-19']),'客户等级': ['VIP', '普通', 'VIP', '普通', 'VIP']})
场景 1：嵌套 IF —— 多条件打标签
需求：根据销售额和客户等级，计算折扣价格：
VIP 且销售额 ≥ 5000 → 打 8 折
VIP 且销售额 < 5000 → 打 9 折
普通客户 → 不打折
Excel 写法（看着就头疼）：
=IF(AND(E2="VIP", D2>=5000), D2*0.8,IF(AND(E2="VIP", D2<5000), D2*0.9, D2))
Pandas 写法（清晰多了）：
import numpy as np# 方式一：用 np.select（推荐！条件多的时候特别好用）conditions = [(df['客户等级'] == 'VIP') & (df['销售额'] >= 5000),(df['客户等级'] == 'VIP') & (df['销售额'] < 5000),]choices = [df['销售额'] * 0.8, df['销售额'] * 0.9]df['折后价'] = np.select(conditions, choices,default=df['销售额'])print(df[['客户等级', '销售额', '折后价']])
划重点：
np.select 把"条件"和"结果"分开写，像菜单一样清晰。
想加新条件？
往 conditions 和 choices 里各加一行就行，不用改已有逻辑。
场景 2：SUMIFS / COUNTIFS —— 多条件汇总统计
需求：统计每个城市、每个商品的总销售额和订单数。
Excel 写法：
=SUMIFS(D:D, B:B, "北京", C:C, "手机")=COUNTIFS(B:B, "北京", C:C, "手机")
每个组合都要写一个公式，城市×商品有几十种组合的话……
Pandas 写法：
# 一行代码，所有组合的汇总全部搞定summary = df.groupby(['城市', '商品']).agg(总销售额=('销售额', 'sum'),订单数=('销售额', 'count'),平均销售额=('销售额', 'mean')).reset_index()print(summary)
划重点：
groupby + agg 是 pandas 的"万能汇总公式"。
不管有多少种组合，一行代码全部算完。
这在 Excel 里可能要写一整列的 SUMIFS 公式。
五、总结
一句话总结：Excel 是"手动挡"，pandas 是"自动挡"。
日常小数据用 Excel 没问题，但当你发现自己在反复写复杂公式、反复做相同操作时，就是时候升级了。
有问题欢迎留言讨论，我会一一解答 👇
🎉 同学们，看到这里，你学会了吗！
方老师说： 🚀 现在屏幕前的你已经比90%的同龄人领先一步了！
接下来可以：
介绍一下pandas输出excel中复杂公式实现综合处理，来个狠的（下期教程教！）
⚠️ 遇到问题？评论区甩截图，方老师尽量在24小时内回复！
