【Python实战】一键提取Excel排班表夜班排休|自动合并连续日期成区间,人事/行政直接复制复用

做学校行政、单位人事、后勤排班的小伙伴，每月是不是都被「排班表统计排休」这件事耗掉大把时间？

✅ 手里一份标准Excel排班表，要挨个核对每位老师/员工的「夜班」日期，手动摘抄到新表格；

✅ 还要把零散的夜班日期，比如「4、8、9、10」，手动整理成「4日、8-10日」的区间格式，眼睛盯久了酸涩不说，还容易漏数、错合并连续日期；

✅ 几十人的排班表，手动统计一遍至少半小时，但凡排班表微调，又要重新返工，机械重复还没技术含量，纯纯浪费时间！

今天分享的这套Python代码，完美贴合你的工作流程：先精准匹配你的Excel排班表样式 → 再读取表格数据 → 自动统计夜班日期 → 智能格式化 → 生成汇总表，一站式解决所有问题！全程10秒搞定几十人的排休统计，准确率100%，代码注释拉满、逐段精讲，零基础也能复制即用，改个文件名就能运行，从此彻底告别手动统计排班表的苦差事！

一、 需求：你的Excel排班表 假如是下面的样子：

排班表.xlsx:

 我们想要实现的最终效果：

二、 本次实战核心说明

✔ 核心功能

「读取标准排班表Excel」→「遍历每一行每一列」→「筛选标记为「夜」的日期」→「智能合并连续日期为区间」→「生成排休汇总Excel」

✔ 用到的Python库

仅1个核心刚需库：pandas — Python处理Excel表格的天花板，办公自动化必备，无任何冷门库，pip一键安装即可。

✔ 零基础友好度

全程只需修改2个文件名，其余代码无需改动，复制粘贴就能运行，无任何编程基础也能上手。

三、 逐段完整代码 + 逐行详细精讲（严格按「匹配样式→读取数据→统计筛选→格式化→保存结果」）

整体逻辑顺序：匹配表格样式 → 导入库 → 定义日期格式化函数 → 读取Excel数据 → 逐行统计夜班日期 → 格式化日期 → 生成结果保存Excel，全程逻辑连贯，和咱们手动统计的思路完全一致！

▶▶ 第一段：导入核心依赖库

import pandas as pd

✅ 代码讲解

pandas这一个库，它能一站式完成「Excel读取、数据遍历、数据筛选、结果保存」所有操作，是Python办公自动化处理Excel的万能工具，没有之一。

▶▶ 第二段：定义【核心工具函数】format_rest_days — 零散日期转连续区间（统计排休的核心）

defformat_rest_days(days_list):
"""
    专用格式化函数：将提取的零散夜班日期列表，转为规范的区间字符串
    示例：传入 [4,8,9,10] → 返回 "4日、8-10日"
    """
# 如果没有夜班日期，返回空字符串
ifnot days_list:
return""

# 对日期排序，防止日期乱序导致连续区间合并失败（比如[10,8,9]）
    days_list.sort()
    result_strs = []  # 存储拆分好的区间字符串，如["4日", "8-10日"]
    start = days_list[0]  # 初始化连续区间的起始日期
    end = days_list[0]    # 初始化连续区间的结束日期

# 遍历排序后的日期，从第二个开始判断是否连续
for i in range(1, len(days_list)):
        curr_day = days_list[i]
# 判断当前日期是否和上一个日期连续（比如9是8+1，属于连续）
if curr_day == end + 1:
            end = curr_day  # 连续则更新区间结束值
else:
# 不连续则闭合上一个区间，存入结果列表
if start == end:
# 区间只有单个日期的情况，如：4日
                result_strs.append(f"{start}日")
else:
# 区间是连续多个日期的情况，如：8-10日
                result_strs.append(f"{start}-{end}日")
# 重新初始化新的区间起始和结束值
            start = curr_day
            end = curr_day

# 处理循环结束后，最后一个未闭合的区间（必做，否则漏最后一段）
if start == end:
        result_strs.append(f"{start}日")
else:
        result_strs.append(f"{start}-{end}日")

# 用顿号拼接所有区间，生成最终的排休字符串
return"、".join(result_strs)

✅ 核心细节讲解

1. 这个函数是本次统计的「灵魂」，专门解决办公场景中「零散数字合并连续区间」的需求，除了排班表，考勤统计、值班汇总都能复用；
2. 必须执行days_list.sort()：因为提取的日期可能是乱序的（比如先提取到10号，再提取到8号），排序后才能正确识别连续日期；
3. 循环结束后一定要处理最后一个区间：循环中只有「遇到不连续日期才闭合区间」，最后一段连续日期不会被处理，这是避免漏数据的关键。

▶▶ 第三段：定义【核心业务函数】process_excel — 完整实现「读取Excel→统计夜班→生成结果」全流程（重中之重）

本段代码严格按照「读取Excel数据 → 遍历每行数据 → 逐列筛选夜班日期 → 统计整理 → 保存结果」的顺序编写，和我们手动统计的步骤完全一致，逻辑清晰，易懂易改！

defprocess_excel(input_file, output_file):
# ========== 第一步：读取Excel排班表数据（严格匹配前面的表格样式） ==========
# header=0 ：指定Excel的【第一行】作为列名，对应我们的「姓名、1、2...30」
# skiprows=[1] ：强制跳过Excel的【第二行】，因为第二行是星期几的备注，无数据
    df = pd.read_excel(input_file, header=0, skiprows=[1])

# ========== 致命避坑！统一列名格式，保证日期列能被正确匹配 ==========
# 原因：Excel里的1、2、3会被pandas默认读取为【整数】，我们遍历的是字符串格式的日期
# 处理后：所有列名统一转为字符串，比如 1 → '1'，完美匹配后续遍历的列名
    df.columns = df.columns.astype(str)

# 初始化空列表，存储最终的排休结果，每个元素是一个字典：{'姓名':'XXX', '排休':'XXX'}
    final_results = []

# ========== 第二步：开始逐行遍历Excel数据 → 统计每位人员的夜班日期 ==========
# df.iterrows() ：遍历Excel的每一行，index是行号，row是当前行的所有数据
for index, row in df.iterrows():
# 提取当前行的姓名，列名固定为「姓名」，兜底处理防止无姓名的情况
        staff_name = row.get('姓名', f"未知人员{index+1}")
# 初始化空列表，存储当前人员的所有夜班日期（数字格式）
        night_rest_days = []

# ========== 第三步：逐列遍历1-30号日期 → 筛选标记为「夜班」的日期 ==========
# 遍历1到30号，对应Excel里的30个日期列
for day_num in range(1, 31):
            day_col_name = str(day_num)  # 列名转为字符串，和前面统一的列名格式匹配
# 提取当前日期的值班状态（白班/夜班）
            work_status = row.get(day_col_name)

# 核心筛选条件：如果当前日期的状态是「夜班」，就把这个日期存入列表
if work_status == '夜班':
                night_rest_days.append(day_num)

# ========== 第四步：格式化夜班日期 → 存入最终结果 ==========
# 如果当前人员有夜班日期，就格式化后存入结果列表
if night_rest_days:
            final_results.append({
'姓名': staff_name,
'排休': format_rest_days(night_rest_days)
            })

# ========== 第五步：生成结果Excel并保存 ==========
# 将结果列表转为pandas的表格格式
    result_excel = pd.DataFrame(final_results)
# to_excel保存文件，index=False ：不生成多余的行号，表格干净整洁，直接能用
    result_excel.to_excel(output_file, index=False)

# 控制台打印结果，方便即时核对，不用打开Excel
    print(f" 排班表处理完成！结果已保存至：{output_file}")
    print("-" * 40)
    print("本次排休统计结果预览：")
    print(result_excel)

✅ 逐步骤重点讲解（新手零踩坑，必看）

1. 读取Excel的2个关键参数：完全匹配我们前面的表格样式，缺一不可
• header=0：刚好对应表格第一行的「姓名+1-30号」表头，pandas会自动把这一行识别为列名；
• skiprows=[1]：刚好跳过表格第二行的星期备注，避免备注行干扰数据读取，这是匹配表格样式的核心配置。
2. 列名格式统一：df.columns = df.columns.astype(str) 是90%新手会踩的坑！如果不加这行，Excel里的数字列名（1、2）是整数，我们遍历的是字符串，会导致「找不到列」，读取不到值班状态，加了之后完美解决。
3. 双层遍历逻辑：和手动统计完全一样，外层遍历每个人 → 内层遍历这个人的1-30号值班状态，逻辑简单易懂，就算要修改筛选条件（比如筛选「休」），也能轻松找到位置。
4. 筛选条件灵活修改：如果你的排班表中，夜班标记不是「夜班」，而是「夜」「晚」「晚班」，只需要修改 if work_status == '夜班' 这一行的内容即可，比如改成 if work_status == '夜'。

▶▶ 第四段：程序执行入口 + 异常容错处理（零基础友好，只需改2个文件名）

# --- 程序运行入口，无需修改逻辑，只需改文件名 ---
if __name__ == "__main__":
#  只需修改这两个文件名！！！其他代码一行都不用动
# 你的原始排班表文件名（和代码放在同一个文件夹）
    input_file_name = '排班表.xlsx'
# 生成的排休汇总表文件名（自定义）
    output_file_name = '夜班结果.xlsx'

# 异常处理：防止文件找不到、格式错误等问题，给出清晰的报错提示
try:
# 调用核心处理函数，执行所有操作
        process_excel(input_file_name, output_file_name)
except FileNotFoundError:
        print(f" 错误：未找到文件「{input_file_name}」，请检查文件名是否正确、是否和代码同文件夹！")
except Exception as e:
        print(f" 运行出错，错误原因：{str(e)}")

✅ 代码讲解

1. if __name__ == "__main__"：Python的标准运行入口，意思是「当这个文件被直接运行时，才执行下面的代码」，规范写法，不影响运行；
2. 零基础友好核心：你只需要修改 input_file_name 和 output_file_name 这两个变量，改成自己的文件名即可，其余代码无需任何改动；
3. 异常处理：加入了报错提示，如果文件找不到、Excel格式不对，会给出清晰的文字提示，新手也能轻松排查问题，不会出现一堆看不懂的代码报错。

四、 零基础【3步傻瓜式使用教程】（不用懂代码，1分钟上手运行）

✔ 第一步：安装依赖库（仅需一次，永久使用）

打开电脑的「命令提示符(CMD)」或「终端」，复制粘贴下面的代码，回车安装，10秒完成：

pip install pandas openpyxl

补充：安装openpyxl是为了让pandas支持读写新版Excel（.xlsx格式），必装，无它会报错！

✔ 第二步：准备Excel排班表（严格匹配样式，零修改）

1. 将你的排班表文件命名为 排班表.xlsx，和Python代码放在同一个文件夹里；
2. 确认表格样式和我们前面说明的一致：第一行是姓名+1-30号，第二行是星期几，单元格值班状态是「白/夜/休」。

✔ 第三步：运行代码，坐等结果

双击运行Python代码，控制台会打印处理完成的提示和排休结果，同时在同一文件夹生成 排休结果.xlsx，打开就是干净的「姓名+排休区间」汇总表，直接复制粘贴到工作报表即可！

五、 全部源代码完整可复制（直接粘贴运行，零修改适配）

import pandas as pd

defformat_rest_days(days_list):
"""
    将数字列表转换为区间字符串，例如 [4, 8, 9, 10] -> "4日、8-10日"
    """
ifnot days_list:
return""

    days_list.sort()
    result_strs = []
    start = days_list[0]
    end = days_list[0]

for i in range(1, len(days_list)):
        curr = days_list[i]
if curr == end + 1:
            end = curr
else:
if start == end:
                result_strs.append(f"{start}日")
else:
                result_strs.append(f"{start}-{end}日")
            start = curr
            end = curr

# 处理最后一个区间
if start == end:
        result_strs.append(f"{start}日")
else:
        result_strs.append(f"{start}-{end}日")

return"、".join(result_strs)

defprocess_excel(input_file, output_file):
# 1. 读取 Excel 文件，匹配表格样式：header=0用第一行做列名，skiprows=[1]跳过第二行星期备注
    df = pd.read_excel(input_file, header=0, skiprows=[1])

# 统一列名为字符串，避免整数列名匹配失败
    df.columns = df.columns.astype(str)

    results = []

# 2. 遍历每一行（每位老师/员工），开始统计
for index, row in df.iterrows():
        name = row.get('姓名', f"未知老师{index}")
        rest_days = []

# 3. 遍历1-30号日期列，筛选夜班状态
for day in range(1, 31):
            day_col = str(day)
            status = row.get(day_col)
if status == '夜班':
                rest_days.append(day)

# 4. 格式化日期并存入结果
if rest_days:
            results.append({
'姓名': name,
'夜班': format_rest_days(rest_days)
            })

# 5. 生成结果并保存Excel
    result_df = pd.DataFrame(results)
    result_df.to_excel(output_file, index=False)

    print(f" 处理完成！结果已保存为: {output_file}")
    print("-" * 30)
    print(result_df)

# --- 执行部分 ---
if __name__ == "__main__":
# 只需修改这两个文件名即可
    input_excel_name = '排班表.xlsx'
    output_excel_name = '夜班结果.xlsx'

try:
        process_excel(input_excel_name, output_excel_name)
except FileNotFoundError:
        print(f" 错误：找不到文件 '{input_excel_name}'，请确认文件名是否正确。")
except Exception as e:
        print(f" 发生错误：{e}")

人事、行政的工作价值，从来都不是在重复的表格统计里消耗自己，而是在更有意义的统筹、协调、管理上创造价值。

这份Python代码，看似只是解决了「排班表统计排休」这一个小问题，但本质是帮你把「机械重复的人工劳动」交给代码，把节省下来的时间和精力，留给更重要的工作。而且代码里的「日期区间合并函数」「Excel遍历筛选模板」，都是可以无限复用的办公神器，以后遇到任何类似的表格统计，都能直接套用。

希望这份代码，能让你彻底告别排班表的手动统计，让办公效率翻倍，也能让你感受到Python办公自动化的魅力——它不是程序员的专属技能，而是每一位职场人都能掌握的「减负神器」！