夜雨聆风这不是一篇技术教程，而是一个做了二十年调味品批发的人，分享一个真实省时间的办法。
先说一个你肯定遇到过的场景 ↓
你收到两份订单表——一份是今天的，一份是昨天的。
老板说：合并一下，告诉我每个产品总共要备多少货。
你打开 Excel：
复制 → 粘贴 → 按商品名称排序 发现有重复的行，手动加总 有些产品名称写得不一样（一个带空格，一个不带），又得肉眼对齐 两份表格式还不一样，列的位置不同，得手动调整
⏱️ 我算了一下，两份表加起来 220 条数据，我以前这样做，至少要 2-3 个小时。而且做完了，你也不敢保证没漏。
现在怎么做？
同样的事情，用 Python 跑一段脚本——
1 分钟出结果。而且是准确的。
完整代码（直接复制可用）
使用前先安装：pip install pandas openpyxl
场景：合并两份订单表，按商品名称去重，数量自动相加
# 1. 读取两份订单表 df1 = pd.read_excel(r'C:/Users/Administrator/Downloads/5.10干调.xlsx') df2 = pd.read_excel(r'C:/Users/Administrator/Downloads/干调5.8.xlsx') # 2. 合并两份表 df_all = pd.concat([df1, df2], ignore_index=True) # 3. 按商品名称去重，数量相加 result = df_all.groupby('商品名称').agg({ '订购数量': 'sum', '待采购量': 'sum' }).reset_index() # 4. 保存 result.to_excel(r'C:/Users/Administrator/Desktop/合并结果.xlsx', index=False) # 220条 → 108条，自动完成 ✅运行结果：
去重后共 108 条商品
TOP 3：云鹤精制碘盐(70) / 七姊玉米生粉(28) / 糯米(23)
完整代码二：清洗商品信息表
问题：供应商给的商品表，产品名称前面有英文前缀（如 af黑鸭香膏1kg），要批量去掉。
# 批量去掉英文前缀 def clean_name(name): if pd.isna(name): return name name = str(name) # 去掉开头的英文字母 name = re.sub(r'^[a-zA-Z]+', '', name) return name.strip() df['产品名称'] = df['产品名称'].apply(clean_name) df.to_excel(r'C:/Users/Administrator/Desktop/商品信息_清洗后.xlsx', index=False) # 2826条数据，3秒处理完 ✅这个东西值不值得学？
实话实说：
如果你每天要处理 Excel 的时间超过 1 小时，值得。投入：学 Pandas 基础，大概 3-5 天回报：每天省 1-2 小时，而且不出错
如果你只是偶尔用 Excel，没必要。我不是来劝你学编程的。我是来告诉你：传统生意里有很多重复劳动，是可以被自动化的——你知道这件事就够了。
最后说一句
我写这些，不是想教你 Python。
我是想告诉你：
你每天重复做的那些 Excel 操作，大概率可以用代码帮你做。
知道这件事，比学会写代码本身更有价值。
我是航源，在武汉做了二十年调味品批发。现在在学数据分析和 AI Agent，把学习过程写成系列文章。下一期聊：如何用数据分析预测哪些产品好卖。
