Python学习系列之3「用Pandas轻松做多sheets汇总和透视」

本次案例为2026年3月销售毛利日报表，Excel 文件中每日 1 个独立 sheet（命名如：销售毛利表 - 20260331，每个 sheet 包含 6 个核心字段：日期、Top 产品、销售收入 (元)、销售成本 (元)、毛利 (元)、毛利率 (%)，需实现：全月数据汇总 + 按日期 / 产品透视分析

1、数据汇总：将多个sheets汇总成一个sheet

（1）核心思路

Step1：先准备一张空表（命名为：汇总表）

Step2：使用pd.ExcelFile(file_path) .sheet_names取得Excel文件的每个sheet名

Step3：使用for循环遍历：读取每一个sheet，再用concat依次对每张表拼接，形成新汇总表

Step4：循环结束后，写回新表

（2）代码示例

其他常用Excel拆分与合并方法，请参考：

Python学习系列之2「用Pandas轻松合并和拆分Excel」

2、数据透视：pivot_table

3、写回Excel：ExcelWriter

用ExcelWriter写回Excel可以实现原数据明细、汇总表、透视表在同一文件统一存储，方便管理。

三、结果展示

1、汇总表

实现3月每日销售毛利sheet的纵向批量合并，生成全月完整数据集，解决了Excel手动复制粘贴的低效问题，为后续分析打下基础。

2、透视表

以「日期 + Top 产品」为双维度，对销售收入、成本、毛利做求和聚合，并自动计算毛利率、添加总计，直接生成财务分析所需的多维度报表，无需二次加工。

四、核心知识点

1、ExcelWriter实现新建多表并写入同一Excel

【使用场景·】

多结果文件统一管理，不覆盖原有明细表

【具体代码】

with pd.ExcelWriter(file_path, mode='a', engine='openpyxl', if_sheet_exists='replace') as writer:

【常用参数总结】

2、pd.pivot_table () 灵活做数据透视

财务场景中可通过透视表快速聚合核心指标，values指定需要计算的列（销售收入、成本、毛利），index指定行维度（日期、产品），aggfunc="sum"定义聚合方式为求和，margins=True可自动添加行 / 列总计，一键实现多维度的财务数据汇总分析。

【避坑点】如果不写，aggfunc="聚合方式"，会默认求平均（mean），所以在非求平均的场景下一定要写aggfunc参数

3、pd.concat () 实现数据纵向拼接

通过pd.concat([汇总表, 单表], ignore_index=True)将多个 sheet 数据纵向合并为一张汇总表。

【避坑点】用concat拼接，需要保证各sheet结构一致（即：列数、列名一致）

4、pd.ExcelFile () .sheet_names高效获取 sheet 名称

使用pd.ExcelFile(file_path).sheet_names可直接提取 Excel 文件中所有 sheet 名称，返回列表形式，可用于for循环等

5、pandas中新建列的操作

通过透视表新建列的方式计算毛利率：透视表["毛利率"] = 透视表["毛利(元)"] / 透视表["销售收入(元)"]，直接基于聚合后的数据做计算，无需额外处理，保证指标计算的准确性和高效性。

【本文总结】

本次实操用 Pandas 实现了财务日报表的多 sheet 批量汇总 + 多维度透视分析，全程代码可复用，彻底解决 Excel 手动汇总的繁琐、易出错问题，大幅提升财务月结效率。

我已整理好本文同款的「财务日报汇总及透视数据」，关注公众号后私信「汇总透视」，即可领取，直接复用代码和思路～

你平时做表时，还遇到过哪些 Excel 低效问题？评论区聊聊，后续会针对性出实操技巧～

【合集介绍】

Python合集计划不定期按需更新，聚焦财务工作高频场景，让你实现看完就能用。

关注我，一起做高效的财务BP～