Python | 分享8个Excel自动化脚本，一定有你用得上的！

在当今数据驱动的时代，Excel作为一个强大的数据处理工具，广泛应用于各行各业。虽然Excel本身提供了丰富的功能，但通过Python进行自动化处理，可以大大提高工作效率。本文将分享8个实用的Excel自动化脚本，帮助你在数据处理上事半功倍。

1. 读取Excel文件

使用pandas库读取Excel文件非常简单。以下是一个示例代码，演示如何读取Excel文件并输出数据。

import pandas as pd

# 读取Excel文件
df = pd.read_excel('example.xlsx')

# 输出数据
print(df.head())

2. 写入Excel文件

同样，你也可以使用pandas将数据写入Excel文件。下面的代码将一个DataFrame写入新的Excel文件中。

import pandas as pd

# 创建一个简单的DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Score': [85, 90, 78]}
df = pd.DataFrame(data)

# 写入Excel文件
df.to_excel('output.xlsx', index=False)

3. 数据筛选与清洗

以下代码展示了如何筛选出符合某个条件的数据，比如筛选出成绩大于80的学生。

import pandas as pd

# 读取数据
df = pd.read_excel('example.xlsx')

# 筛选数据
filtered_data = df[df['Score'] > 80]

# 输出筛选结果
print(filtered_data)

4. 数据透视表

使用pandas可以轻松创建数据透视表，下面的代码演示如何生成一个透视表。

import pandas as pd

# 读取数据
df = pd.read_excel('sales_data.xlsx')

# 创建透视表
pivot_table = df.pivot_table(values='Sales', index='Region', columns='Product', aggfunc='sum')

# 输出透视表
print(pivot_table)

5. 图表生成

通过matplotlib库，我们可以从Excel数据中生成图表，下面代码展示了如何绘制简单的折线图。

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_excel('sales_data.xlsx')

# 绘制折线图
plt.plot(df['Month'], df['Sales'])
plt.title('Monthly Sales')
plt.xlabel('Month')
plt.ylabel('Sales')
plt.show()

6. 批量处理多个Excel文件

如果需要处理多个Excel文件，可以使用glob库批量读取，并合并为一个DataFrame。

import pandas as pd
import glob

# 获取所有Excel文件
files = glob.glob('data/*.xlsx')

# 合并所有数据
all_data = pd.concat((pd.read_excel(f) for f in files), ignore_index=True)

# 输出合并后的数据
print(all_data)

7. 自动化邮件发送

结合openpyxl和smtplib库，我们可以将处理后的Excel文件自动发送到指定邮箱。

import smtplib
import pandas as pd
from email.mime.multipart import MIMEMultipart
from email.mime.base import MIMEBase
from email import encoders

# 读取数据并保存
df = pd.read_excel('example.xlsx')
df.to_excel('output.xlsx', index=False)

# 设置邮件内容
msg = MIMEMultipart()
msg['From'] = 'your_email@example.com'
msg['To'] = 'recipient@example.com'
msg['Subject'] = 'Excel Report'
attachment = open('output.xlsx', 'rb')
part = MIMEBase('application', 'octet-stream')
part.set_payload(attachment.read())
encoders.encode_base64(part)
part.add_header('Content-Disposition', 'attachment; filename=output.xlsx')
msg.attach(part)

# 发送邮件
server = smtplib.SMTP('smtp.example.com', 587)
server.starttls()
server.login(msg['From'], 'your_password')
server.send_message(msg)
server.quit()

8. 定时任务

最后，我们可以使用schedule库定时运行某个Excel处理脚本，实现自动化处理。

import schedule
import time

def job():
    print("Running Excel automation...")
    # 这里可以调用你定义的处理Excel的函数
    # process_excel_function()

# 每天上午10点执行
schedule.every().day.at("10:00").do(job)

while True:
    schedule.run_pending()
    time.sleep(1)

以上就是8个实用的Excel自动化脚本示例，希望能够帮助你提升工作效率。通过Python与Excel结合，你可以轻松实现复杂的数据处理任务，节省大量时间！