别再用Excel了!Python自动化处理Excel,3行代码搞定1天的工作

你是否还在为很多 Excel 的操作而感到犯难？

把几十到上百个表格进行批量合并，对上千条数据逐行进行筛选，对同类格式的报表重复进行修改，熬夜进行数据汇总，最终却因为一个公式的错误而全部重新进行工作。

职场中人员所进行的很多看上去比较零碎的操作，往往会耗费他们接近一半的工作时间。

很多人实际上都进入了对 Excel 存在**“依赖症”**的误区。当数据的数量变大，操作的重复程度变高的时候，Excel 的效率就会迅速地降低，而且还容易出现错误。

Python 只需要三行核心代码，就能够轻松处理很多耗费时间的工作，能够将你从机械的劳动中解脱出来。

一、为什么 Python 处理 Excel 更高效？

在开始进行对比之前，首先需要明确两类工具之间核心的不同之处：

• Excel：比较适合处理小数据量并且需要手动进行交互；
• Python：擅长处理大数据量并且能够进行自动化的重复操作。

具体优势体现在这 3 点：

1. 效率翻倍：批量处理百个表格、万行数据，Python 秒级响应，Excel 可能要熬一下午。
2. 零出错率：一旦写好代码，重复执行不会出现公式输错、复制漏行等手动失误。
3. 可复用性：一次编写完成的代码，在之后遇到同类的任务时直接进行调用，而不需要再重新进行操作。

二、准备工作：3分钟搭好Python环境

很多人认为 Python 是困难的。但是实际上搭建用于处理 Excel 的环境是极为简单的。整个过程仅仅是不断地点击“下一步”操作就可以了，新手也能够很快地学习并掌握使用方法。

1. 安装 Python

从 Python 官方网站下载适合自身所使用系统（Windows 或者 Mac）的相应版本。

注意：一定要勾选 **“Add Python to PATH”**（自动进行环境变量的配置）。在那之后持续点击 Next 来完成安装操作。

2. 安装 Excel 处理库

开启 Windows 系统的电脑的“命令提示符”或者开启 Mac 系统的电脑的“终端”，输入一行命令之后按下回车键：

pip install openpyxl pandas

要是安装速度比较慢的话，那么就更换成国内的镜像源吧，将命令修改成如下所示的情况：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl pandas

三、核心实现：3行代码搞定Excel批量处理

就以**“把多个 Excel 文件批量合并到一个表格”**为例，这是职场当中常见的高频难题之一。

如果手动使用 Excel 来进行合并操作，需要一个个打开然后进行复制粘贴，这样既耗费时间又容易出现错误，但是对于 Python 来说，只需要三行关键代码就可以完成。

1. 核心代码（直接复制可用）

import pandas as pdimport glob# 1. 读取文件夹下所有xlsx文件并合并df = pd.concat([pd.read_excel(f) for f in glob.glob('待合并Excel/*.xlsx')])# 2. 导出结果，不保留行号df.to_excel("合并后的表格.xlsx", index=False)

2. 代码逐行解释（新手必看）

有很多人一看到代码就心生畏惧，但是这三行代码的逻辑实际上是比较简单的，把它按照每一行依次拆开进行分析解读就可以理解了。

• 第1部分：导入用于处理 Excel 的核心库 pandas，并且将其简化命名为 pd，也就是把用于处理 Excel 的那个核心工具包调用出来做好准备。
• 第2部分：df = pd.concat(...) 这一操作是实现核心功能的过程。首先通过 glob 来找到数据文件夹里所有后缀为 .xlsx 的 Excel 文件。接着使用 pd.read_excel 逐一去读取这些文件。最后运用 pd.concat 将它们合并成为一个完整的数据表格。
• 第3部分：执行 df.to_excel(...) 这一操作。将已经合并好的数据表导出成为一个文件，该文件的名称为“合并后的表格.xlsx”。index=False 这个参数所起到的作用是不保留自动生成的行号，从而使得表格呈现出更为简洁的状态。

3. 快速使用步骤（照做就能成）

1. 在电脑上新建一个文件夹，比如命名为 **“待合并Excel”**，把所有需要合并的 Excel 文件都放进这个文件夹。
2. 打开 Python 自带的 IDLE（安装完 Python 后可在开始菜单找到），新建一个文件（File → New File）。
3. 把上面的代码复制进去，注意修改文件夹路径。
4. 当你点击 IDLE 里的 Run，接着点击 Run Module，等待几秒钟之后，你便能够在与当前目录相同的目录当中寻找到生成的“合并后的表格.xlsx”。

四、扩展场景：1天工作全搞定

Python 不仅仅能够进行批量合并操作，它还能够处理 Excel 的大部分高频操作。核心代码只要稍微进行修改就能够实现复用。

场景1：数据筛选与导出

需求：从数量为一万行的数据当中，找出很多“销售额”超出一千的相关记录，之后将这些记录导出以制作成新的表格。

import pandas as pddf = pd.read_excel("销售数据.xlsx") # 读取原始数据df_filtered = df[df["销售额"] > 1000] # 筛选条件df_filtered.to_excel("高销售额数据.xlsx", index=False) # 导出结果

场景2：批量修改Excel格式

需求：需要将 10 个 Excel 文件里的“金额”列设置为货币格式并且保留两位小数。