16个Python脚本让Excel自己动起来，从此告别加班！

老板的“灵魂拷问”

某天老板突然丢过来一个Excel表格，拍着桌子说：“小李，这个Excel里几千行数据，你给我整理一下，明天早上要用！”我当时差点没把手里的奶茶喷出来，心想：几千行？手动改？我这怕不是得改秃了！ 于是，我默默打开了我的Python神器——pandas和openpyxl，不到十分钟，任务搞定，潇洒下班。老板看着整齐的数据，眼里透着光，转头又给我派了个新活儿……既然自动化办公这么香，那今天就给大家分享16个超实用的Excel操作脚本，让你轻松搞定表格数据处理，成为职场效率王！💡

一、数据读写篇：Excel就像ATM，想取就取，想存就存

1. 读取Excel文件：打开数据宝库

import pandas as pddf = pd.read_excel("data.xlsx")print(df.head())  # 偷看前5行数据

用途：一键打开Excel文件，读取数据，默认获取第一个Sheet里的数据。再也不用手动复制粘贴了！

2. 写入Excel文件：把处理结果存回去

df.to_excel("output.xlsx", index=False)

用途：把DataFrame格式数据保存为Excel文件，index=False表示不保存索引。老板要什么格式，就给什么格式！

3. 读取多个Sheet：一网打尽所有工作表

df_dict = pd.read_excel("data.xlsx", sheet_name=None)print(df_dict.keys())  # 查看所有Sheet名称for key in df_dict:    print(df_dict[key])  # 遍历每个Sheet的数据

用途：一次性读取多个Sheet，返回字典格式，这个字典value对应了一个DataFrame格式的数据。再也不用一个个切换Sheet了！

二、数据清洗与转换篇：把“脏数据”变成“香饽饽”

4. 选取特定列：只要我想要的

selected_columns = df[["姓名", "工资"]]print(selected_columns.head())

用途：提取某些关键列，方便分析。其他无关列？直接丢进垃圾桶！

5. 过滤数据：按条件筛选

high_salary = df[df["工资"] > 10000]  # 筛选工资大于1万的员工print(high_salary)

用途：数据筛选，比Excel的筛选功能还强大。工资太低的？直接过滤掉！

6. 处理空值：让数据完整无缺

df.fillna("缺失值", inplace=True)  # 用"缺失值"填充空值df.dropna(inplace=True)  # 或者直接删除含空值的行

用途：处理空白单元格，防止数据异常。空值？要么填上，要么滚蛋！

7. 添加新列：计算新指标

df["奖金"] = df["工资"] * 0.1# 工资的10%作为奖金

用途：快速计算并添加新列。老板突然要个新指标？分分钟搞定！

8. 修改列名：让表格更专业

df.rename(columns={"姓名": "员工姓名"}, inplace=True)

用途：更改列名，增强可读性。列名太土？一键改名！

9. 按条件修改数据：批量修改更高效

df.loc[df["工资"] < 5000, "工资"] = 5000# 最低工资设为5000

用途：把工资列中值小于5000的都改成5000，批量修改数据，比手动改省事多了。工资太低？直接提升！

10. 排序数据：让数据井然有序

df.sort_values(by="工资", ascending=False, inplace=True)

用途：按工资降序排列。ascending=False是降序，ascending=True是升序。数据乱七八糟？一键排序！

三、多文件合并与拆分篇：大文件拆得开，小文件合得拢

11. 合并多个Excel文件：把分散的数据整合起来

import osfiles = [f for f in os.listdir('.') if f.endswith('.xlsx')]combined_df = pd.DataFrame()for file in files:    df = pd.read_excel(file)    combined_df = pd.concat([combined_df, df], ignore_index=True)combined_df.to_excel('combined.xlsx', index=False)

用途：批量处理多个Excel文件时，合并是非常常见的需求。文件太多？一个脚本全部合并！

12. 拆分Excel文件：按条件拆分成多个文件

unique_values = df["部门"].unique()for value in unique_values:    sub_df = df[df["部门"] == value]    sub_df.to_excel(f'{value}.xlsx', index=False)

用途：根据指定列的唯一值将Excel文件拆分成多个文件。比如按部门拆分，各部门独立查看自己的数据。

四、分组统计与排序篇：数据分析师的最爱

13. 计算数据统计值：一键获取各种统计指标

print("平均值:", df["工资"].mean())print("总和:", df["工资"].sum())print("最大值:", df["工资"].max())print("最小值:", df["工资"].min())print("中位数:", df["工资"].median())print("标准差:", df["工资"].std())print("方差:", df["工资"].var())print("计数:", df["工资"].count())print("描述性统计:", df["工资"].describe())

用途：数据统计，计算平均值、最大值等。老板突然要各种统计指标？分分钟搞定！

14. 合并两个表格：类似Excel的VLOOKUP

df_new = pd.merge(df1, df2, on="员工ID", how="left")

用途：基于“员工ID”这个列，把df2的数据合并到df1，并使用left join方式来匹配数据。VLOOKUP太慢？用Python更快！

15. 透视表：数据分析神器

pivot = df.pivot_table(values="工资", index="部门", aggfunc="sum")pivot.to_excel("pivot_table.xlsx")

用途：数据透视表，返回DataFrame格式，轻松分析数据。按部门统计工资总和？一个透视表搞定！

五、样式设置与导出篇：让Excel表格美美哒

16. 生成Excel带格式：让表格更专业

from openpyxl import Workbookfrom openpyxl.styles import Fontwb = Workbook()ws = wb.activews["A1"] = "姓名"ws["A1"].font = Font(bold=True)  # 加粗wb.save("styled.xlsx")

用途：添加格式，提升Excel美观度。表格太丑？一键美化！

从此告别加班，Python让你成为职场效率王！

有了这16个Python脚本，Excel处理就像开了挂，再也不用手动复制粘贴、筛选排序、合并拆分了。老板再丢过来几千行数据，你只需要泡杯咖啡，打开Python，十分钟搞定，然后潇洒下班！记住，工具用得好，下班走得早！💪

现在就开始打造你的Excel自动化工具箱吧，让Python成为你职场进阶的神器！