今天要教大家一个超实用的办公技能 —— 用Python批量处理Excel文件。在日常工作中，经常要处理多个部门的Excel报表，手动复制粘贴太费劲了，今天我们就用Python来解放双手！

应用场景举例

小张是一名销售数据分析师，每个月都要：
- 合并10个门店的销售报表
- 计算各项销售指标
- 生成数据透视表
- 导出汇总报告

如果手动处理，可能要花一整天...但用Python的话，不到1分钟就能搞定！

准备工作
首先，我们需要安装两个强大的Python库：

pip install pandas
pip install openpyxl

小贴士
pandas是数据处理的超级利器，openpyxl则专门负责Excel文件的读写。

导入需要的库：

import pandas as pd
import os
from datetime import datetime
 核心功能实现

 1. 合并多个Excel文件

def merge_excel_files(folder_path):
    # 存储所有数据框的列表
    all_data = []

    # 遍历文件夹中的所有Excel文件
    for filename in os.listdir(folder_path):
        if filename.endswith(('.xlsx', '.xls')):
            # 读取Excel文件
            file_path = os.path.join(folder_path, filename)
            df = pd.read_excel(file_path)

            # 添加来源标记
            df['数据来源'] = filename

            # 将数据添加到列表中
            all_data.append(df)

    # 合并所有数据
    merged_data = pd.concat(all_data, ignore_index=True)
    return merged_data

2. 数据清洗和处理

def process_sales_data(df):
    # 删除重复行
    df = df.drop_duplicates()

    # 处理缺失值
    df['销售额'].fillna(0, inplace=True)

    # 添加计算列
    df['毛利率'] = (df['销售额'] - df['成本']) / df['销售额'] * 100

    # 格式化日期列
    df['日期'] = pd.to_datetime(df['日期']).dt.strftime('%Y-%m-%d')

    return df

3. 生成数据分析报告

def generate_sales_report(df, output_path):

    # 创建Excel写入器
    with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
        # 写入原始数据
        df.to_excel(writer, sheet_name='原始数据', index=False)

        # 创建销售汇总
        pivot_sales = pd.pivot_table(
            df,
            index='门店',
            columns='产品类别',
            values='销售额',
            aggfunc='sum',
            margins=True
        )
        pivot_sales.to_excel(writer, sheet_name='销售汇总')

        # 创建毛利分析
        pivot_profit = pd.pivot_table(
            df,
            index='产品类别',
            values=['销售额', '毛利率'],
            aggfunc={'销售额': 'sum', '毛利率': 'mean'}
        )
        pivot_profit.to_excel(writer, sheet_name='毛利分析')

 完整实战示例

让我们把上面的功能组合起来：

```python
def main():
    # 设置文件路径
    input_folder = "D:/销售数据/月度报表"
    output_file = f"D:/销售数据/汇总报表_{datetime.now().strftime('%Y%m')}.xlsx"

    try:
        # 合并所有Excel文件
        print("正在合并Excel文件...")
        merged_data = merge_excel_files(input_folder)

        # 处理数据
        print("正在处理数据...")
        processed_data = process_sales_data(merged_data)

        # 生成报告
        print("正在生成报告...")
        generate_sales_report(processed_data, output_file)

        print(f"处理完成！报告已保存至：{output_file}")

    except Exception as e:
        print(f"处理过程中出现错误：{str(e)}")

if __name__ == "__main__":
    main()

 进阶技巧

1. 自定义Excel格式

def apply_excel_formatting(writer, sheet_name):
    workbook = writer.book
    worksheet = writer.sheets[sheet_name]

    # 设置标题格式
    header_format = workbook.add_format({
        'bold': True,
        'bg_color': '#D7E4BC',
        'border': 1
    })

    # 设置数值格式
    number_format = workbook.add_format({
        'num_format': '#,##0.00',
        'border': 1
    })

 2. 数据验证

def validate_data(df):

    # 检查必填字段
    required_columns = ['日期', '产品', '销售额', '成本']
    missing_columns = [col for col in required_columns if col not in df.columns]

    if missing_columns:
        raise ValueError(f"缺少必要的列：{missing_columns}")
​
    # 检查数据类型
    if not pd.api.types.is_numeric_dtype(df['销售额']):
        raise ValueError("销售额列必须为数值类型")

注意事项

1. 数据备份：处理前务必备份原始文件
2. 内存管理：处理大量数据时，注意使用`chunksize`分批读取
3. 错误处理：添加适当的异常处理和日志记录
4. 格式兼容：注意Excel版本兼容性问题

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。