Python自动化Excel超详细教程：从零基础到实战，每月节省10天工作量

现在很多职场人每天都要和Excel打交道，做报表、统计数据、合并表格，重复的操作特别费时间。其实用Python写几行代码就能自动处理Excel，几分钟就能搞定别人一天的工作量，学会了真的能省超多时间。今天我就把最实用的Python自动化Excel教程分享给你，零基础也能学会。

一、环境准备，5分钟搞定

1. 安装Python

去Python官网下载最新的3.12版本，安装的时候勾选”Add Python to PATH”，一直下一步就安装好了。
打开cmd输入python --version，显示版本号就说明安装成功了。

2. 安装需要的库

推荐用openpyxl，是现在最流行的Excel处理库，支持xlsx格式，功能全，简单易用。
打开cmd执行：

pip install openpyxl pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

几秒钟就安装好了。

二、基础操作，看完就会

我把最常用的操作都整理好了，直接复制代码就能用。

1. 读取Excel文件

from openpyxl import load_workbook
# 加载Excel文件
wb = load_workbook('销售数据.xlsx')
# 获取所有工作表名称
print(wb.sheetnames)
# 选中第一个工作表
ws = wb.active
# 读取A1单元格的值
print(ws['A1'].value)
# 读取第2行数据
for cell in ws[2]:
    print(cell.value)

2. 写入Excel文件

from openpyxl import Workbook
# 创建新的工作簿
wb = Workbook()
ws = wb.active
# 给A1单元格赋值
ws['A1'] = '姓名'
ws['B1'] = '销售额'
# 写入多行数据
data = [
    ['张三', 12000],
    ['李四', 15000],
    ['王五', 9000]
]
for row in data:
    ws.append(row)
# 保存文件
wb.save('销售报表.xlsx')
print('文件保存成功！')

3. 修改Excel格式

from openpyxl.styles import Font, Alignment, PatternFill
# 设置字体：微软雅黑，12号，加粗
font = Font(name='微软雅黑', size=12, bold=True)
# 设置对齐方式：水平垂直居中
alignment = Alignment(horizontal='center', vertical='center')
# 设置背景颜色：黄色
fill = PatternFill('solid', fgColor='FFFF00')
# 应用到表头
for cell in ws[1]:
    cell.font = font
    cell.alignment = alignment
    cell.fill = fill
# 设置列宽
ws.column_dimensions['A'].width = 20
ws.column_dimensions['B'].width = 15
wb.save('格式化后的报表.xlsx')

三、实战案例，直接能用

案例1：批量合并多个Excel文件

很多时候我们需要把同一个文件夹里的多个Excel文件合并成一个，手动复制粘贴太麻烦，用Python几行代码搞定：

import os
import pandas as pd
# 文件夹路径
folder_path = '销售报表/'
# 获取所有Excel文件
files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]
# 合并所有文件
df_all = pd.DataFrame()
for file in files:
    df = pd.read_excel(os.path.join(folder_path, file))
    df_all = pd.concat([df_all, df], ignore_index=True)
# 保存合并后的文件
df_all.to_excel('合并后的销售报表.xlsx', index=False)
print(f'合并完成，共{len(df_all)}条数据')

案例2：自动统计销售数据，生成报表

每个月都要统计销售数据，计算总销售额、环比、同比，用Python自动算：

import pandas as pd
# 读取数据
df = pd.read_excel('3月销售数据.xlsx')
# 计算总销售额
total_sales = df['销售额'].sum()
# 计算每个销售的业绩
sales_by_person = df.groupby('销售')['销售额'].sum().sort_values(ascending=False)
# 计算每个产品的销量
sales_by_product = df.groupby('产品')['销量'].sum()
# 生成统计报表
with pd.ExcelWriter('3月销售统计报表.xlsx') as writer:
    sales_by_person.to_excel(writer, sheet_name='员工业绩')
    sales_by_product.to_excel(writer, sheet_name='产品销量')
    # 写入总销售额
    summary = pd.DataFrame({'指标': ['总销售额'], '数值': [total_sales]})
    summary.to_excel(writer, sheet_name='汇总', index=False)
print('统计报表生成完成！')

案例3：批量给1000个客户发对账单

财务每个月要给客户发对账单，手动做太费时间，用Python自动生成：

from openpyxl import load_workbook
# 客户名单
customers = pd.read_excel('客户名单.xlsx')
# 对账单模板
template = load_workbook('对账单模板.xlsx')
for _, customer in customers.iterrows():
    ws = template.active
    # 替换模板里的内容
    ws['A2'] = customer['客户名称']
    ws['B3'] = customer['本月消费']
    ws['B4'] = customer['上月欠款']
    ws['B5'] = customer['总欠款']
    # 保存每个客户的对账单
    template.save(f'对账单/{customer["客户名称"]}3月对账单.xlsx')
print('所有对账单生成完成！')

四、实用技巧，效率翻倍

1. 大文件处理

如果Excel文件特别大（超过100M），用pandas的read_excel的时候加chunksize参数，分块读取，不会内存溢出：

for chunk in pd.read_excel('超大文件.xlsx', chunksize=10000):
    # 分块处理数据
    process(chunk)

2. 结合AI生成代码

不知道代码怎么写的时候，直接把需求告诉AI，比如”用Python写一段代码，读取Excel的A列和B列，计算B列大于100的行的平均值，保存到新的Excel里”，AI直接给你生成可运行的代码，零编程基础也能用。

3. 常用快捷键

• 写代码用VSCode，有代码补全和提示，写起来很快
• 运行代码按F5，看输出结果
• 报错了把错误信息复制给AI，马上就能得到解决方案

五、避坑指南

1. 文件格式问题：openpyxl只支持xlsx格式，不支持旧的xls格式，如果是xls文件可以用pandas读取，或者转成xlsx格式。
2. 数据备份：处理Excel前一定要备份原文件，避免代码写错把原文件弄坏了，找不回来。
3. 公式问题：openpyxl读取带公式的单元格，默认读取的是公式计算后的结果，如果要读取公式本身，要加data_only=False参数。
4. 中文乱码：保存文件的时候用utf-8编码，就不会出现中文乱码的问题。

最后总结

Python自动化Excel真的是职场人必备技能，学会了能节省大量的时间，以前一天的工作量现在几分钟就能搞定。不用怕编程难，常用的代码就那几段，复制粘贴改改就能用，多练几次就会了。
我把常用的代码模板都整理好了，需要的可以在评论区留言，我发给你~