10行Python代码,帮你自动完成一天的Excel工作(直接复制就能用)

10行Python代码，帮你自动完成一天的Excel工作

如果你每天都在做这些事：

• 合并多个Excel
• 删除空数据
• 分类 / 统计
• 导出结果

👉 这篇可以帮你一次性解决。

没有复杂理论，只有一段代码：

🔥 复制 → 修改 → 直接用

一、先看完整代码（核心）

import pandas as pdimport os# 1. 合并文件夹内所有Excelfiles = os.listdir("data")df = pd.concat([pd.read_excel(f"data/{f}") for f in files])# 2. 删除关键列为空的数据df = df.dropna(subset=["金额"])# 3. 自动分级（核心逻辑）df["等级"] = pd.cut(    df["金额"],    bins=[0, 500, 1000, float("inf")],    labels=["低", "中", "高"])# 4. 快速统计summary = df["等级"].value_counts()# 5. 导出结果（一个文件，多表）with pd.ExcelWriter("结果.xlsx") as writer:    df.to_excel(writer, sheet_name="明细", index=False)    summary.to_excel(writer, sheet_name="统计")

二、这段代码帮你做了什么（拆解）

你可以把它理解为一条流水线：

① 自动合并所有Excel

👉 不用一个个复制粘贴

只要把文件丢进 data 文件夹：

🔥 自动合并

② 自动清洗数据

👉 删除无效数据（空值）

避免：

• 统计错误
• 数据污染

③ 自动分类（最核心）

👉 按金额分级：

• 0～500 → 低
• 500～1000 → 中
• 1000+ → 高

👉 本质：

🔥 把“数据”变成“结构”

④ 自动统计

👉 一行代码替代透视表

直接得到：

• 各等级数量
• 分布情况

⑤ 自动生成报告

👉 输出一个Excel：

• sheet1：明细
• sheet2：统计

🔥 一步到位，不用手动操作

三、你只需要改3个地方

这段代码能用的前提是：

👉 你只需要改这3个参数

① 文件夹路径

files=os.listdir("data")

👉 改成你的目录

② 关键列名

df=df.dropna(subset=["金额"])

👉 改成你的列（如：分数 / 销售额）

③ 分类规则

bins=[0, 500, 1000, float("inf")]

👉 改成你的区间

👉 到这里，这段代码就完全适配你了

四、直接可用的3个场景（照抄就行）

场景1：成绩分析

改成👇

subset=["分数"]bins=[0, 60, 85, 100]labels=["不及格", "良好", "优秀"]

👉 自动输出：

• 成绩分布
• 优秀人数

场景2：电商数据

subset=["订单金额"]bins=[0, 100, 500, float("inf")]labels=["低消费", "中消费", "高消费"]

👉 自动分析客户价值

场景3：工作优先级

subset=["任务耗时"]bins=[0, 2, 5, float("inf")]labels=["低", "中", "高"]

👉 自动识别重点任务

五、为什么这段代码效率很高？

因为它只做一件事：

👉 把重复操作自动化

你用Excel做这些事：

• 合并
• 筛选
• 分类
• 统计

👉 至少30分钟

用这段代码：

👉 10秒

六、关键认知（比代码更重要）

很多人学Python，卡在这里：

👉 “不知道写来干嘛”

你可以换个思路：

👉 不要想着“学Python”

而是：

👉 找重复操作 → 用代码替代

公式很简单：

🔥 重复 ≥ 3次 = 可以写脚本

七、再进阶一点（建议收藏）

如果你想再提升一步，可以加：

👉 自动读取CSV

pd.read_csv("file.csv")

👉 自动排序

df.sort_values(by="金额", ascending=False)

👉 自动去重

df.drop_duplicates()

👉 这3个组合起来，基本覆盖日常90%需求

🎯 最后一句（引导互动）

如果你有一份：

• 很乱的Excel
• 需要分类 / 统计
• 或者每天重复处理

可以留言你的数据结构（列名 + 用途）

我可以帮你：

✔ 改成一段专用代码
✔ 或优化成更高效的版本