拒绝加班！用Python批量处理100个Excel表格

还在手动打开一个个Excel文件复制粘贴？用Python 1分钟搞定100个表格，准时下班不是梦！

言

每到月底，财务、HR、运营的同学们都要面对一个噩梦：批量处理大量Excel表格。

• • 合并100个分公司的销售报表
• • 汇总各部门的考勤数据
• • 提取每个客户的订单信息
• • 批量修改表格格式

手动操作？一个表格5分钟，100个表格就是8个多小时！

今天教你用Python，1分钟搞定100个Excel表格，从此告别加班！

欢迎大家关注此公众号，后台点击按钮【免费资料】可免费获取【Python入门30节课】电子书

1. 此外小庄推荐一本适合于新手\小白入手一本 Python基础书籍，欢迎大家订阅，也感谢大家支持，我才有更新的动力

一、环境准备

1.1 安装必要的库

pip install pandas openpyxl xlsxwriter

2.2 库的说明

二、基础操作：读取单个Excel

import pandas as pd

# 读取Excel文件
df = pd.read_excel('销售报表.xlsx')

# 查看前5行数据
print(df.head())

# 查看数据基本信息
print(df.info())

# 查看数据形状（行数，列数）
print(df.shape)

三、实战场景1：批量读取文件夹中的Excel

3.1 场景描述

一个文件夹中有100个Excel文件，需要全部读取并合并成一个总表。

3.2 代码实现

import pandas as pd
import os

# 设置文件夹路径
folder_path = './销售数据/'

# 获取所有Excel文件
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]

# 存储所有数据
all_data = []

# 批量读取
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)
# 添加一列记录文件来源
    df['来源文件'] = file
    all_data.append(df)

# 合并所有数据
result = pd.concat(all_data, ignore_index=True)

# 保存结果
result.to_excel('合并结果.xlsx', index=False)

print(f'成功合并 {len(excel_files)} 个文件，共 {len(result)} 行数据')

四、实战场景2：批量提取特定列

4.1 场景描述

每个Excel文件中只需要提取"姓名"、"部门"、"工资"三列。

4.2 代码实现

import pandas as pd
import os

defextract_columns(file_path, columns):
"""提取指定列"""
    df = pd.read_excel(file_path)
# 只保留需要的列
return df[columns]

# 需要提取的列
target_columns = ['姓名', '部门', '工资']

folder_path = './工资表/'
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]

all_data = []
for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = extract_columns(file_path, target_columns)
    all_data.append(df)

result = pd.concat(all_data, ignore_index=True)
result.to_excel('工资汇总.xlsx', index=False)

五、实战场景3：批量数据筛选

5.1 场景描述

从每个表格中筛选出"销售额 > 10000"的记录。

5.2 代码实现

import pandas as pd
import os

folder_path = './销售数据/'
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]

all_filtered = []

for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)

# 筛选销售额大于10000的记录
    filtered = df[df['销售额'] > 10000]
    all_filtered.append(filtered)

result = pd.concat(all_filtered, ignore_index=True)
result.to_excel('高销售额记录.xlsx', index=False)

print(f'筛选出 {len(result)} 条高销售额记录')

六、实战场景4：批量数据统计

6.1 场景描述

统计每个文件中的数据汇总（求和、平均值、计数等）。

6.2 代码实现

import pandas as pd
import os

folder_path = './销售数据/'
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]

stats_list = []

for file in excel_files:
    file_path = os.path.join(folder_path, file)
    df = pd.read_excel(file_path)

# 计算统计数据
    stats = {
'文件名': file,
'记录数': len(df),
'销售总额': df['销售额'].sum(),
'平均销售额': df['销售额'].mean(),
'最高销售额': df['销售额'].max(),
'最低销售额': df['销售额'].min()
    }
    stats_list.append(stats)

# 创建统计结果表
stats_df = pd.DataFrame(stats_list)
stats_df.to_excel('销售统计汇总.xlsx', index=False)

七、实战场景5：批量格式化输出

7.1 场景描述

将处理后的数据输出为格式美观的Excel文件。

7.2 代码实现