能写进简历的 Python 项目:Excel 批量处理工具(附完整源码 + 逐行讲解)

昨天发的 3 个新手编程项目那篇，后台直接被问爆了，好多同学说就想先学最实用的 Excel 批量处理工具，这不赶紧把完整步骤、能直接跑的源码，还有我当初踩过的坑都整理出来了。

说真的，这是我大一半路 “摸鱼” 摸出来的项目。当时当班委要收十几个班的期末成绩表，我手动合并、一个个筛不及格的人，折腾了快俩小时，眼睛都看花了。后来硬着头皮写了个几十行的小脚本，十几秒就跑完了，那成就感真的比做对十道课后题强 10 倍。

也是这个小项目，成了我第一个写进简历的实战经历。没有花里胡哨的框架，就用最基础的 Python 语法就能实现，哪怕你只学过点基础，跟着步骤半小时就能跑通。

先跟大家说句实在的：这玩意儿到底能干啥

说白了就是个批量处理 Excel 的自动化小工具，学生党、刚实习的新人高频要用的需求，它基本都能搞定：

一键把文件夹里几十上百份格式一样的 Excel 表格，合成一张总表
自动删掉空行、统一数据格式，顺手做基础的数据清洗
能自己定规则标记异常数据，比如低于 60 分的成绩、超出范围的数值
处理完直接自动输出结果文件，全程不用你手动改

技术栈特别简单，就用 Python 基础语法，加两个常用工具：管文件的os模块、处理表格的pandas库，没啥额外的学习门槛。不管是社团统计数据、课程作业处理数据集，还是以后实习干基础数据活儿，这工具都能直接用上。面试的时候讲出来，可比干巴巴说一句 “我掌握 Python 基础” 有说服力多了。

先花 5 分钟搞定前置准备，有手就行

1、装 Python 环境
这个大家上课基本都装过了，没装的直接去 Python 官网下个安装包，一路点下一步就行，没啥难度。
2、装 pandas 库
打开电脑的命令行（Windows 按 Win+R 输 cmd，Mac 开终端），敲一行命令回车，等着装完就好：

pip install pandas

装得慢也别慌，换个国内镜像源就行。

3、准备测试用的表格
在电脑上新建个叫excel_files的文件夹，往里放 2-3 份表头一模一样的 Excel 表格就行（比如表头都是姓名、学号、分数），第一次跑先别搞太复杂，避免格式不对报错。

完整源码 + 解析（复制就能用）

下面是完整能直接跑的基础版代码，我拆成了一小块一小块，每块都讲明白是干啥的，直接复制到.py 文件里就能运行。

1. 先导入要用的工具

# os模块：帮你批量找文件、管文件夹import os# pandas库：专门处理Excel表格数据的神器import pandas as pd

就两行，相当于提前把要用的工具拿出来，os负责翻文件夹找所有 Excel，pandas负责处理表格里的内容。

2. 设好文件路径

# 待处理的Excel都放在这个文件夹里（相对路径，和脚本放同一个地方就行）folder_path = './excel_files'# 处理完的结果，存成这个文件output_file = './合并结果.xlsx'

这里用的是最简单的相对路径：你把写好的 Python 脚本，和刚才新建的excel_files文件夹放在同一个地方，直接就能跑，不用改那些复杂的绝对路径。

3. 把文件夹里的 Excel 全挑出来

# 筛选出文件夹里所有.xlsx结尾的Excel文件file_list = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]# 建个空列表，一会儿存每个表格的数据df_list = []

这一步就相当于帮你自动打开文件夹，把所有 Excel 文件都挑出来，不用你一个个手动点开。要是你的文件是老版的.xls 格式，把括号里的.xlsx改成.xls就行。

4. 挨个读取所有表格

# 循环遍历每一个Excel文件for file in file_list:    # 拼出完整的文件路径    file_path = os.path.join(folder_path, file)    # 读取Excel里的第一个工作表    df = pd.read_excel(file_path)    # 多加一列，记下来这条数据来自哪个文件，后面核对方便    df['来源文件'] = file    # 把读好的表格数据放进列表里    df_list.append(df)

这是整个脚本最核心的部分，自动把所有表格都读一遍，我还加了个「来源文件」的小细节 —— 合并完之后能查到每条数据来自哪张表，面试的时候提一句，立马就显得你考虑得很周全。

5. 合并表格 + 顺手清理脏数据

# 把所有表格拼成一张总表all_data = pd.concat(df_list, ignore_index=True)# 删掉全是空值的无效行all_data = all_data.dropna(how='all')

concat就是 pandas 里最常用的合并功能，ignore_index=True是重新排序号，避免合并完序号乱掉；删空行就是基础的数据清洗，解决表格里有空行的问题。

6. 自己定规则，标记异常数据

# 举个例子：如果表格有「分数」这一列，就把低于60分的标记成异常if '分数' in all_data.columns:    all_data['是否异常'] = all_data['分数'].apply(lambda x: '是' if x < 60 else '否')

这部分完全可以自己改，想标记啥就写啥：比如统计考勤可以标记缺勤的，统计工资可以标记低于某个数的，按需调整就行。

7. 导出最终结果

# 把处理好的数据存成Excel，不要索引列all_data.to_excel(output_file, index=False)# 跑完给个提示print(f'处理完成，结果已保存至{output_file}')

运行完之后，你就在脚本所在的文件夹里找，会多一个叫「合并结果.xlsx」的文件，所有数据都处理好了。

是想让这个项目更有含金量，可以慢慢加功能，后面我也会在合集里更详细的拆解：

加个图形化界面（GUI），不用敲命令，点按钮选文件夹就能跑
加自动美化格式的功能，自动给表头上色、调列宽，导出来就能直接用
扩展更多功能：批量拆分表格、自动做图表、甚至自动发邮件
最后跟大家说句真心话，新手做项目真的不用追求完美，先把基础版跑通，能解决自己的实际问题，就已经赢过一大半人了。我最开始的版本就只有个合并功能，后来用的次数多了，才慢慢加了异常标记、调格式这些功能，慢慢改呗，都是成长。

这是「小白能上手的计算机实战项目库」的第二篇，下一篇给大家拆解第二个项目 ——个人静态作品集网页，不用学 JavaScript，纯 HTML+CSS 就能做，做完直接当面试作品集用。

需要完整源码文件的同学，后台回复【Excel 项目】直接拿就行。跑通的同学可以在评论区打个卡，有啥报错搞不定的也可以留言，我看到都会回。