Python数据处理之Excel报表自动化生成与分析

更新时间：2025年07月17日 09:58:41 作者：nightunderblackcat

这篇文章主要为大家详细介绍了如何使用Python实现一个完整的Excel报表自动化系统,涵盖从数据清洗、分析到可视化报表生成的全流程,希望对大家有所帮助

本文将详细介绍如何使用Python实现一个完整的Excel报表自动化系统，涵盖从数据清洗、分析到可视化报表生成的全流程。本教程面向Python初学者，通过实际案例讲解pandas和openpyxl库的核心用法。

系统概述

Excel报表自动化系统能够：

自动读取原始数据文件（如CSV、Excel等）
进行数据清洗和预处理
执行数据分析计算
生成格式化的Excel报表
创建可视化图表

环境准备

安装必要库

pip install pandas openpyxl matplotlib

导入库

import pandas as pd
from openpyxl import Workbook
from openpyxl.chart import BarChart, Reference
import matplotlib.pyplot as plt

数据清洗阶段

1. 读取原始数据

# 从CSV文件读取
raw_data = pd.read_csv('sales_data.csv')

# 从Excel文件读取
raw_data = pd.read_excel('sales_data.xlsx')

2. 数据清洗

典型的数据清洗操作包括：

处理缺失值：df.fillna()或df.dropna()
数据类型转换：df.astype()
去除重复值：df.drop_duplicates()
异常值处理：通过条件筛选或统计方法

示例：

# 填充缺失值
cleaned_data = raw_data.fillna({'Sales': 0})

# 转换日期格式
cleaned_data['Date'] = pd.to_datetime(cleaned_data['Date'])

# 去除重复记录
cleaned_data = cleaned_data.drop_duplicates()

数据分析阶段

1. 基础统计分析

# 按产品类别汇总销售数据
sales_summary = cleaned_data.groupby('Product Category')['Sales'].agg(['sum', 'mean', 'count'])

# 计算月增长率
monthly_sales = cleaned_data.groupby(pd.Grouper(key='Date', freq='M'))['Sales'].sum()
monthly_growth = monthly_sales.pct_change() * 100

2. 高级分析

# 计算各区域销售占比
region_share = cleaned_data.groupby('Region')['Sales'].sum() / cleaned_data['Sales'].sum()

# 客户价值分析(RFM模型)
current_date = pd.to_datetime('today')
rfm_data = cleaned_data.groupby('CustomerID').agg({
    'Date': lambda x: (current_date - x.max()).days,
    'OrderID': 'count',
    'Sales': 'sum'
})

报表生成阶段

1. 创建Excel工作簿

wb = Workbook()
ws = wb.active
ws.title = "销售汇总"

2. 写入数据

# 写入表头
ws.append(['产品类别', '销售总额', '平均销售额', '销售数量'])

# 写入汇总数据
for index, row in sales_summary.iterrows():
    ws.append([index, row['sum'], row['mean'], row['count']])

3. 添加图表

# 创建柱状图
chart = BarChart()
data = Reference(ws, min_col=2, max_col=4, min_row=1, max_row=len(sales_summary)+1)
categories = Reference(ws, min_col=1, max_col=1, min_row=2, max_row=len(sales_summary)+1)
chart.add_data(data, titles_from_data=True)
chart.set_categories(categories)
ws.add_chart(chart, "F2")

4. 格式化单元格

from openpyxl.styles import Font, Alignment, Border, Side, PatternFill

# 设置标题样式
for cell in ws[1]:
    cell.font = Font(bold=True)
    cell.alignment = Alignment(horizontal='center')
    cell.fill = PatternFill("solid", fgColor="DDDDDD")

# 设置数字格式
for row in ws.iter_rows(min_row=2, min_col=2, max_col=4):
    for cell in row:
        cell.number_format = '#,##0'

自动化流程整合

1. 创建主函数

def generate_report(input_file, output_file):
    # 数据读取
    raw_data = pd.read_excel(input_file)
    
    # 数据清洗
    cleaned_data = clean_data(raw_data)
    
    # 数据分析
    report_data = analyze_data(cleaned_data)
    
    # 生成报表
    create_excel_report(report_data, output_file)
    
    print(f"报表已成功生成: {output_file}")

2. 定时任务设置

import schedule
import time

def job():
    generate_report('daily_sales.xlsx', 'sales_report.xlsx')

# 每天上午9点运行
schedule.every().day.at("09:00").do(job)

while True:
    schedule.run_pending()
    time.sleep(1)

实际应用示例

场景：月度销售报表

系统自动从ERP导出原始数据

清洗并计算各产品线销售指标

生成包含以下内容的报表：

销售汇总表
区域销售分布饼图
月度销售趋势折线图
销售TOP10产品列表

场景：客户分析报告

整合CRM和销售系统数据

进行客户细分和价值分析

输出包含以下内容的报告：

客户价值矩阵(RFM)
客户生命周期分析
流失风险预警列表

通过本教程，您已掌握使用Python实现Excel报表自动化的核心技能。实际应用中可根据具体需求扩展功能，如添加邮件自动发送、多数据源整合等高级特性。

方法补充

环境准备

我们需要安装以下Python库：

pandas：强大的数据分析工具
openpyxl：Excel文件操作库
matplotlib：数据可视化库

安装命令：

pip install pandas openpyxl matplotlib

项目功能概述

我们将创建一个脚本，实现以下功能：

从多个数据源读取原始数据
数据清洗与预处理
关键指标计算与分析
自动生成格式化的Excel报表
创建数据可视化图表
邮件自动发送报表

代码详细解析

1. 导入必要的库

import pandas as pd
from openpyxl import Workbook
from openpyxl.styles import Font, Alignment, Border, Side, PatternFill
from openpyxl.chart import BarChart, Reference
import matplotlib.pyplot as plt
import os
from datetime import datetime

2. 配置参数设置

# 数据源配置
DATA_SOURCES = {
    'sales': 'data/raw_sales_data.xlsx',
    'inventory': 'data/inventory_records.csv',
    'customers': 'data/customer_info.json'
}

# 报表输出配置
REPORT_PATH = 'reports/monthly_report.xlsx'
REPORT_TITLE = '2023年度销售分析报告'
ANALYSIS_PERIOD = ('2023-01-01', '2023-12-31')

# 样式配置
HEADER_STYLE = {
    'font': Font(bold=True, color='FFFFFF'),
    'fill': PatternFill(start_color='4F81BD', end_color='4F81BD', fill_type='solid'),
    'alignment': Alignment(horizontal='center')
}

DATA_STYLE = {
    'border': Border(left=Side(style='thin'), 
    'alignment': Alignment(horizontal='right')
}

3. 数据加载与清洗

def load_and_clean_data():
    """加载并清洗原始数据"""
    # 加载销售数据
    sales_df = pd.read_excel(DATA_SOURCES['sales'])
    sales_df = sales_df.dropna(subset=['order_id', 'sale_amount'])
    sales_df['order_date'] = pd.to_datetime(sales_df['order_date'])
    
    # 加载库存数据
    inventory_df = pd.read_csv(DATA_SOURCES['inventory'])
    inventory_df = inventory_df[inventory_df['stock_quantity'] > 0]
    
    # 加载客户数据
    customers_df = pd.read_json(DATA_SOURCES['customers'])
    customers_df['join_date'] = pd.to_datetime(customers_df['join_date'])
    
    return sales_df, inventory_df, customers_df

4. 数据分析与计算

def perform_analysis(sales_df, inventory_df, customers_df):
    """执行核心数据分析"""
    # 销售分析
    period_mask = (sales_df['order_date'] >= ANALYSIS_PERIOD[0]) & \
                 (sales_df['order_date'] <= ANALYSIS_PERIOD[1])
    sales_analysis = sales_df[period_mask].groupby('product_category')['sale_amount'] \
                      .agg(['sum', 'count', 'mean']).reset_index()
    
    # 库存周转分析
    inventory_turnover = inventory_df.groupby('category')['stock_quantity'].sum().reset_index()
    
    # 客户分析
    active_customers = customers_df[customers_df['status'] == 'active']
    customer_growth = active_customers.groupby(
        pd.Grouper(key='join_date', freq='M')).size().reset_index(name='count')
    
    return sales_analysis, inventory_turnover, customer_growth

5. Excel报表生成

def generate_excel_report(data, output_path):
    """生成格式化的Excel报表"""
    wb = Workbook()
    ws = wb.active
    ws.title = "销售摘要"
    
    # 添加标题
    ws.merge_cells('A1:D1')
    title_cell = ws['A1']
    title_cell.value = REPORT_TITLE
    title_cell.font = Font(size=16, bold=True)
    title_cell.alignment = Alignment(horizontal='center')
    
    # 添加数据表头
    headers = ['产品类别', '总销售额', '订单数量', '平均订单价值']
    for col_num, header in enumerate(headers, 1):
        cell = ws.cell(row=3, column=col_num, value=header)
        cell.font = HEADER_STYLE['font']
        cell.fill = HEADER_STYLE['fill']
        cell.alignment = HEADER_STYLE['alignment']
    
    # 填充数据
    for row_num, row_data in enumerate(data[0].values, 4):
        for col_num, value in enumerate(row_data, 1):
            cell = ws.cell(row=row_num, column=col_num, value=value)
            cell.border = DATA_STYLE['border']
            cell.alignment = DATA_STYLE['alignment']
    
    # 添加图表
    chart = BarChart()
    chart.title = "各品类销售额对比"
    chart.y_axis.title = '销售额'
    chart.x_axis.title = '产品类别'
    
    data_ref = Reference(ws, min_col=2, min_row=3, max_col=2, max_row=row_num)
    cats_ref = Reference(ws, min_col=1, min_row=4, max_row=row_num)
    chart.add_data(data_ref, titles_from_data=False)
    chart.set_categories(cats_ref)
    ws.add_chart(chart, "F3")
    
    # 保存文件
    os.makedirs(os.path.dirname(output_path), exist_ok=True)
    wb.save(output_path)

6. 主程序流程

def main():
    print("开始生成月度分析报告...")
    start_time = datetime.now()
    
    try:
        # 数据加载与清洗
        sales, inventory, customers = load_and_clean_data()
        
        # 数据分析
        sales_analysis, inventory_turnover, customer_growth = perform_analysis(
            sales, inventory, customers)
        
        # 生成报表
        generate_excel_report(
            (sales_analysis, inventory_turnover, customer_growth), 
            REPORT_PATH)
        
        # 生成可视化图表
        generate_visualizations(sales_analysis, customer_growth)
        
        elapsed = datetime.now() - start_time
        print(f"报表生成完成！耗时: {elapsed.total_seconds():.2f}秒")
        print(f"报表路径: {os.path.abspath(REPORT_PATH)}")
    
    except Exception as e:
        print(f"生成报告时出错: {str(e)}")

if __name__ == "__main__":
    main()

完整代码实现

import pandas as pd
from openpyxl import Workbook
from openpyxl.styles import Font, Alignment, Border, Side, PatternFill
from openpyxl.chart import BarChart, Reference
import matplotlib.pyplot as plt
import os
from datetime import datetime

# 配置区域
DATA_SOURCES = {
    'sales': 'data/raw_sales_data.xlsx',
    'inventory': 'data/inventory_records.csv',
    'customers': 'data/customer_info.json'
}

REPORT_PATH = 'reports/monthly_report.xlsx'
REPORT_TITLE = '2023年度销售分析报告'
ANALYSIS_PERIOD = ('2023-01-01', '2023-12-31')

HEADER_STYLE = {
    'font': Font(bold=True, color='FFFFFF'),
    'fill': PatternFill(start_color='4F81BD', end_color='4F81BD', fill_type='solid'),
    'alignment': Alignment(horizontal='center')
}

DATA_STYLE = {
    'border': Border(left=Side(style='thin'), 
    'alignment': Alignment(horizontal='right')
}

def load_and_clean_data():
    """加载并清洗原始数据"""
    sales_df = pd.read_excel(DATA_SOURCES['sales'])
    sales_df = sales_df.dropna(subset=['order_id', 'sale_amount'])
    sales_df['order_date'] = pd.to_datetime(sales_df['order_date'])
    
    inventory_df = pd.read_csv(DATA_SOURCES['inventory'])
    inventory_df = inventory_df[inventory_df['stock_quantity'] > 0]
    
    customers_df = pd.read_json(DATA_SOURCES['customers'])
    customers_df['join_date'] = pd.to_datetime(customers_df['join_date'])
    
    return sales_df, inventory_df, customers_df

def perform_analysis(sales_df, inventory_df, customers_df):
    """执行核心数据分析"""
    period_mask = (sales_df['order_date'] >= ANALYSIS_PERIOD[0]) & \
                 (sales_df['order_date'] <= ANALYSIS_PERIOD[1])
    sales_analysis = sales_df[period_mask].groupby('product_category')['sale_amount'] \
                      .agg(['sum', 'count', 'mean']).reset_index()
    
    inventory_turnover = inventory_df.groupby('category')['stock_quantity'].sum().reset_index()
    
    active_customers = customers_df[customers_df['status'] == 'active']
    customer_growth = active_customers.groupby(
        pd.Grouper(key='join_date', freq='M')).size().reset_index(name='count')
    
    return sales_analysis, inventory_turnover, customer_growth

def generate_visualizations(sales_analysis, customer_growth):
    """生成可视化图表"""
    # 销售额分布图
    plt.figure(figsize=(10, 6))
    plt.bar(sales_analysis['product_category'], sales_analysis['sum'])
    plt.title('各品类销售额对比')
    plt.xlabel('产品类别')
    plt.ylabel('销售额')
    plt.xticks(rotation=45)
    plt.tight_layout()
    plt.savefig('reports/sales_by_category.png')
    
    # 客户增长曲线
    plt.figure(figsize=(10, 6))
    plt.plot(customer_growth['join_date'], customer_growth['count'], marker='o')
    plt.title('月度新增客户趋势')
    plt.xlabel('月份')
    plt.ylabel('新增客户数')
    plt.grid(True)
    plt.tight_layout()
    plt.savefig('reports/customer_growth.png')

def generate_excel_report(data, output_path):
    """生成格式化的Excel报表"""
    wb = Workbook()
    ws = wb.active
    ws.title = "销售摘要"
    
    # 添加标题
    ws.merge_cells('A1:D1')
    title_cell = ws['A1']
    title_cell.value = REPORT_TITLE
    title_cell.font = Font(size=16, bold=True)
    title_cell.alignment = Alignment(horizontal='center')
    
    # 添加数据表头
    headers = ['产品类别', '总销售额', '订单数量', '平均订单价值']
    for col_num, header in enumerate(headers, 1):
        cell = ws.cell(row=3, column=col_num, value=header)
        cell.font = HEADER_STYLE['font']
        cell.fill = HEADER_STYLE['fill']
        cell.alignment = HEADER_STYLE['alignment']
    
    # 填充数据
    for row_num, row_data in enumerate(data[0].values, 4):
        for col_num, value in enumerate(row_data, 1):
            cell = ws.cell(row=row_num, column=col_num, value=value)
            cell.border = DATA_STYLE['border']
            cell.alignment = DATA_STYLE['alignment']
    
    # 添加图表
    chart = BarChart()
    chart.title = "各品类销售额对比"
    chart.y_axis.title = '销售额'
    chart.x_axis.title = '产品类别'
    
    data_ref = Reference(ws, min_col=2, min_row=3, max_col=2, max_row=row_num)
    cats_ref = Reference(ws, min_col=1, min_row=4, max_row=row_num)
    chart.add_data(data_ref, titles_from_data=False)
    chart.set_categories(cats_ref)
    ws.add_chart(chart, "F3")
    
    # 保存文件
    os.makedirs(os.path.dirname(output_path), exist_ok=True)
    wb.save(output_path)

def main():
    print("开始生成月度分析报告...")
    start_time = datetime.now()
    
    try:
        sales, inventory, customers = load_and_clean_data()
        sales_analysis, inventory_turnover, customer_growth = perform_analysis(
            sales, inventory, customers)
        generate_excel_report(
            (sales_analysis, inventory_turnover, customer_growth), 
            REPORT_PATH)
        generate_visualizations(sales_analysis, customer_growth)
        
        elapsed = datetime.now() - start_time
        print(f"报表生成完成！耗时: {elapsed.total_seconds():.2f}秒")
        print(f"报表路径: {os.path.abspath(REPORT_PATH)}")
    
    except Exception as e:
        print(f"生成报告时出错: {str(e)}")

if __name__ == "__main__":
    main()

代码优化建议

数据库集成：添加直接从SQL数据库读取数据的功能

参数化配置：使用配置文件或命令行参数管理设置

异常处理增强：为不同操作添加更精细的错误处理

性能监控：添加内存使用和性能分析

模板系统：支持自定义Excel模板

扩展功能思路

自动化邮件发送：集成smtplib自动发送报表

多格式输出：支持PDF、HTML格式报表

数据验证：添加数据质量检查功能

定时任务：设置定期自动运行

交互式仪表盘：使用Dash或Streamlit创建Web仪表盘

总结

这个项目展示了Python在办公自动化方面的强大能力，通过扩展和定制，可以满足各种复杂的报表需求。例如：

财务部门的月度报表自动生成
销售团队的业绩日报推送
运营部门的活动效果分析报告

系统还预留了扩展接口，支持：

邮件自动发送报表
企业微信/钉钉机器人通知
定时任务调度

建议读者在实际工作中应用这些技术，可以先从简单的周报自动化开始，逐步构建自己的自动化工具库。典型的学习路径可以是：

掌握pandas数据处理基础
学习Excel文件操作
实现第一个自动化脚本
添加异常处理和日志
设计可复用的报表模板
集成到日常工作流程中

到此这篇关于Python数据处理之Excel报表自动化生成与分析的文章就介绍到这了,更多相关Python自动化生成Excel报表内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

在NumPy中创建空数组/矩阵的方法
今天小编就为大家分享一篇在NumPy中创建空数组/矩阵的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-06-06
TensorFlow和Numpy矩阵操作中axis理解及axis=-1的解释
在调用numpy库中的concatenate()时,有遇到axis=-1/1/0的情况,下面这篇文章主要给大家介绍了关于TensorFlow和Numpy矩阵操作中axis理解及axis=-1解释的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
2022-03-03
java中两个byte数组实现合并的示例
今天小编就为大家分享一篇java中两个byte数组实现合并的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-05-05
一文带你了解python中的多态性
多态性是 OOP 的一个特征,这意味着一个名称可以具有不同的功能, 这篇文章主要为大家详细介绍了如何在 Python 中实现多态性,感兴趣的小伙伴可以学习一下
2023-11-11
Django如何利用uwsgi和nginx修改代码自动重启
这篇文章主要介绍了Django如何利用uwsgi和nginx修改代码自动重启问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-05-05
pygame编写音乐播放器的实现代码示例
这篇文章主要介绍了pygame编写音乐播放器的实现代码示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-11-11
Python+OpenCV 实现简单的高斯滤波(推荐)
这篇文章主要介绍了Python+OpenCV 实现简单的高斯滤波,在文中需要注意的是，这里我没有特判当sigma = 0的时候的情况，具体实现过程跟随小编一起看看吧
2021-09-09
关于你不想知道的所有Python3 unicode特性
我的读者知道我是一个喜欢痛骂Python3 unicode的人。这次也不例外。我将会告诉你用unicode有多痛苦和为什么我不能闭嘴。我花了两周时间研究Python3，我需要发泄我的失望。在这些责骂中，仍然有有用的信息，因为它教我们如何来处理Python3。如果没有被我烦到，就读一读吧
2014-11-11
python如何实现代码检查
这篇文章主要介绍了python如何实现代码检查,如果代码不规范，乱七八糟的，被小伙伴打死或者熬夜找bug事小，影响项目进度或者破坏项目结构就完蛋了,需要的朋友可以参考下
2019-06-06
python中xrange和range的区别
这篇文章主要介绍了python中xrange和range的区别,需要的朋友可以参考下
2014-05-05