用Python3分钟搞定生产日报Excel数据整理(宽表转长表实战) (附全部源代码)

今天为大家分享的是，在生产日报Excel是工厂日常最常用的报表之一，常规格式大多是这样：前几列固定记录班组、姓名、工序等基础信息，后续一长串列均为日期，每列填写对应日期的生产产量。

但是上面的报表本身填写比较方便，但一旦需要做数据统计分析，就会暴露诸多痛点：

• 按日期维度汇总产量，公式嵌套复杂、计算繁琐
• 按班组、工序做维度拆解分析，需要编写大量Excel函数
• 无法直接生成可视化图表，数据分析效率极低

所以我们需要处理成下面这样的：

一、直接上代码

无需复杂算法和自定义逻辑，借助pandas库的melt()函数，即可快速完成格式转换，全程分5步实现：

1️⃣、 读取源Excel数据

导入依赖库，读取本地生产日报文件，支持.xlsx/.xls格式：

import pandas as pd# 读取原始生产日报Excel文件df = pd.read_excel('xxx0206.xlsx')

2️⃣、 行列格式转换（核心步骤）

通过melt()函数，将横向的日期列，重塑为纵向的行数据，保留基础维度字段：

# 宽表转长表：固定维度字段，合并日期与产量列df_long = pd.melt(    df,# 固定不变的基础维度列（可根据实际表格字段调整）    id_vars=['班组', '姓名', '编码', '名称', '工序'],# 转换后日期字段的列名    var_name='日期',# 转换后产量数值的列名    value_name='数量')

该步骤的核心作用：将分散在多列的日期数据，纵向整合为标准维度列。

3️⃣、 数据清洗过滤

剔除无产量的空值记录，并统一产量字段的数据类型，保证后续计算准确性：

# 删除产量为空的无效行（无生产记录）df_long = df_long.dropna(subset=['数量'])# 将产量转换为整数类型，适配数值统计df_long['数量'] = df_long['数量'].astype(int)

4️⃣、 修复Excel日期格式问题

Excel日期字段读取后，常会携带00:00:00时间戳，统一格式化日期格式：

# 标准化日期格式：YYYY/MM/DD，可根据需求修改格式规则df_long['日期'] = pd.to_datetime(df_long['日期']).dt.strftime('%Y/%m/%d')

5️⃣、 导出标准化结果文件

生成可直接用于分析的Excel文件，关闭默认索引列，避免冗余数据：

# 导出最终结果，不保留行索引df_long.to_excel('标准化生产日报.xlsx', index=False)

二、全部实现源代码：

import pandas as pd# 1. 读取 Exceldf = pd.read_excel('数据0206.xlsx')# 2. 宽表转长表df_long = pd.melt(    df,    id_vars=['班组', '姓名', '编码', '名称', '工序'],    var_name='日期',    value_name='数量')# 3. 删除数量为空的数据df_long = df_long.dropna(subset=['数量'])# 4. 数量转为整数df_long['数量'] = df_long['数量'].astype(int)#  关键修复：日期去掉时分秒df_long['日期'] = pd.to_datetime(df_long['日期']).dt.strftime('%Y/%m/%d')# 5. 排序df_long = df_long.sort_values(    by=['班组', '姓名', '编码', '工序', '日期']).reset_index(drop=True)# 6. 导出 Exceldf_long.to_excel('最终结果.xlsx', index=False)print(df_long)

后续报表新增日期列，无需修改任何代码，脚本可直接复用。还可以无缝导入数据库、Tableau/Power BI等BI系统做深度分析，直接绘制产量趋势图、对比图等可视化图表。快速按班组、工序、人员维度汇总产量。

🔮 获取和交流

需要本文源码和数据集的同学，关注公众号 + 点赞 + 在看 + 转发（三连），评论区回复 666，即可获取！

为了能随时获取最新动态，大家可以动动小手将公众号添加到“星标⭐”哦，点赞 + 关注，用时不迷路！！！！

关注公众号：IT小本本 👇