你还在手动整理Excel?这10行Python代码直接封神

你还在每天手动复制粘贴Excel吗？重复操作几百行数据，眼睛都看花了。改格式调样式点来点去，一下午就没了。我懂这种感觉，真的累人。

其实用Python做这些事，10行代码就够了。不是开玩笑，是真的。我做老师的时候也带过学生做数据处理，一开始都觉得编程吓人，后来试了一次就回不去了。

先看第一个场景，合并多个Excel文件。你手头有十几个部门的表格，要整合到一个表里。手动打开复制，没半小时干不完。

两行代码搞定合并操作：

import pandas as pd
pd.concat([pd.read_excel(f) for f in file_list]).to_excel(“合并结果.xlsx”, index=False)

file_list就是你的文件名字列表。跑一次，所有表格自动合成一个。错不了行，漏不了列。你只需要喝口茶的功夫。

第二个场景，清理重复数据。很多人用Excel删除重复项，点完还要小心别删错。Python更直接。

三行代码去掉所有重复行：

df = pd.read_excel(“原始数据.xlsx”)
df.drop_duplicates(inplace=True)
df.to_excel(“清理后.xlsx”, index=False)

第三行代码就是保存结果。想按某一列去重也简单，加个参数subset指定列名就行。不用纠结重复项要不要留，交给代码判断。

第三个场景，批量提取特定数据。比如一个表格里有几百条订单，你只想要金额超过1000的记录。

一行代码完成筛选：

df[df[“金额”] > 1000].to_excel(“大额订单.xlsx”, index=False)

不用手动一条条核对，不用写公式。条件写对，结果马上出来。

第四个场景，给表格批量添加新列。比如根据出生日期计算年龄。

两行代码算完成：

df[“年龄”] = 2024 - pd.to_datetime(df[“出生日期”]).dt.year
df.to_excel(“加上年龄.xlsx”, index=False)

日期格式不对怎么办？代码里加个errors参数能自动处理。不用怕错误弹出，Python会告诉你哪里出问题。

第五个场景，把表格拆分成多个文件。按部门、按月份、按地区，想怎么拆都行。

两行代码完成拆分：

for group_name, group_data in df.groupby(“部门”):
    group_data.to_excel(f“{group_name}.xlsx”, index=False)

每个部门的表格自动生成各自的文件。不用手动筛选再复制保存。

你可能会问，这些代码看着简单，但我不会Python怎么办？安装个anaconda，里面自带这些库。把代码复制进去，改一下文件名和列名就行。实在记不住，收藏起来，用到时直接改。

手动整理Excel不是你的错，是重复劳动太磨人。花10分钟学这几行代码，以后每天都能早下班半小时。别把时间浪费在复制粘贴上，把精力留给更值得的事。