WHSK102-07-Excel终结者——自动化报表与数据监控
- 2026-11-09 18:41:54
摘要：
在这个系列里，我们将从"懂逻辑"进阶到"能动手"。WHSK 102 是 WHSK 101 的实战进阶篇。在 WHSK 101 中，你已经学会了编程思维的三原色：变量、判断与循环。现在，我们要把这些思维变成实实在在的代码。
📖 学习目标
通过本课，你将学会：
• ✅ 理解何时用网页AI，何时用代码 • ✅ 掌握用网页AI处理Excel的方法 • ✅ 掌握用AI生成自动化代码的方法 • ✅ 能够判断不同场景的解决方案
公众号：浩哥 AI 实验室
专栏：WHSK 102 - AI 全能编程实战营
第 07 课：Excel终结者——自动化报表与数据监控
💡 重要提示：代码只是 AI 的一种输出形式
请注意：本课中的代码示例只是 AI 可能给出的一种输出形式。实际使用时，AI 生成的代码可能会有所不同，这取决于：
• 你使用的 AI 模型版本 • 你的 Prompt 表达方式 • AI 当时的"思考"路径 • 库版本的变化 这完全正常！ 你真正需要学习的是：
1. 如何清晰地描述数据处理需求（提问的艺术） 2. 如何理解 AI 的处理思路（总结的能力） 3. 如何验证和调整结果（批判性思维） 代码会变，但处理流程和思考方式是相通的。
🎯 人与 AI 协同的核心模式
在开始案例之前，先理解我们与 AI 协作的基本模式：
┌─────────────────────────────────────────────────────────┐│ 人与 AI 协同流程 │├─────────────────────────────────────────────────────────┤│ ││ 【人】明确需求 → 【人】设计流程 → 【人】编写 Prompt ││ ↓ ↓ ↓ ││ 【人】描述输入 → 【人】定义输出 → 【人】给出示例 ││ ↓ ↓ ↓ ││ 【AI】理解需求 → 【AI】生成代码 → 【AI】调用库 ││ ↓ ↓ ↓ ││ 【人】验证结果 → 【人】发现问题 → 【人】反馈调整 ││ ↓ ↓ ↓ ││ 【人】总结经验 → 【人】记录模板 → 【人】举一反三 ││ │└─────────────────────────────────────────────────────────┘记住：你是指挥官，AI 是代码生成器。你负责思考和决策，AI 负责编写代码。
📚 案例设计：从简单到复杂
本课设计了三个难度递进的案例，建议按顺序学习：
🎯 何时用代码，何时直接用网页AI？
快速判断
决策流程
你需要处理Excel数据 │ ├─ 是否只需要做一次？ │ ├─ 是 → 直接用网页AI ✅ │ └─ 否 → 继续判断 │ ├─ 是否需要每天/每周重复执行？ │ ├─ 是 → 需要代码 ⚙️ │ └─ 否 → 继续判断 │ ├─ 是否需要7×24小时持续监控？ │ ├─ 是 → 必须用代码 ⚙️ │ └─ 否 → 继续判断 │ ├─ 是否需要集成到现有系统？ │ ├─ 是 → 需要代码 ⚙️ │ └─ 否 → 直接用网页AI ✅ │ └─ 是否需要处理大量文件（>10个）？ ├─ 是 → 建议用代码 ⚙️ └─ 否 → 直接用网页AI ✅对比表格
核心原则
能用网页AI直接完成的，就不要写代码！
只有在以下情况，才考虑写代码：
1. 需要重复执行（每天/每周） 2. 需要定时任务 3. 需要持续监控 4. 需要集成系统 5. 需要处理大量文件
🔍 引言：Excel，职场人的爱恨情仇
大家好，我是浩哥。欢迎回到 WHSK 102 - AI 全能编程实战营。
第一周回顾
前六节课，我们学习了：
• 第 01 课：认识了四位"键盘侠"（DeepSeek、豆包、Kimi、ChatGLM） • 第 02 课：学会了如何写清晰的 Prompt • 第 03 课：用 AI 清洗了 Excel 数据 • 第 04 课：用 Streamlit 做了网页工具 • 第 05 课：学会了用 AI Debug • 第 06 课：做了周报生成器
常见问题
很多朋友课后问我："浩哥，每天都要处理 Excel，太烦了。有时候要合并好几个文件，有时候要算指标，有时候还要做日报。"
你是不是也有这样的困扰？
每天打开多个 Excel 文件，复制粘贴数据，用公式计算指标，手动生成日报……一遍又一遍，重复着同样的操作。
别担心，今天我将教你用 AI 自动化处理 Excel，让这些重复工作一键完成。
🏗️ 架构师思维：Excel 自动化的本质
在 WHSK 101 第 07 课，我们学习了如何扮演架构师去指挥 AI。今天，我们把这种思维应用到 Excel 自动化中。
Excel 自动化的三个核心环节
┌─────────────────────────────────────────────────────────┐│ Excel 自动化的三步流程 │├─────────────────────────────────────────────────────────┤│ ││ 第一步：读取数据（输入） ││ └─ 从 Excel 文件中读取数据到内存 ││ ││ 第二步：处理数据（逻辑） ││ └─ 合并、计算、过滤、转换等操作 ││ ││ 第三步：保存数据（输出） ││ └─ 将处理后的数据保存回 Excel 或生成新文件 ││ │└─────────────────────────────────────────────────────────┘你的角色：架构师 + 指挥官
在 Excel 自动化中，你需要：
1. 理解数据结构：知道 Excel 文件里有什么数据 2. 设计处理流程：明确要做什么操作（合并、计算、筛选等） 3. 向 AI 描述需求：用清晰的语言告诉 AI 要做什么 4. 验证结果：检查 AI 生成的代码是否正确
你不需要记住所有 Pandas 函数，你只需要学会如何向 AI 描述需求。
🔥 案例一：合并多个 Excel 文件
场景描述
你有三个 Excel 文件：销售数据.xlsx、客户数据.xlsx、订单数据.xlsx。
想合并这些数据到一个文件，生成完整的订单表。
方案对比
方案A：直接用网页AI（推荐用于一次性任务）
适用场景： 只需要合并一次，之后不再重复
操作步骤：
1. 打开豆包 2. 上传三个Excel文件 3. 输入需求："帮我合并这三个文件，通过客户ID和产品关联数据" 4. 下载合并后的结果
优点： 零代码、快速完成缺点： 每次都要手动上传，无法自动化
方案B：用Python代码（推荐用于重复任务）
适用场景： 每天都要合并同样的文件
架构师思维拆解
你的大白话需求：
"我想把三个 Excel 文件合并成一个，通过客户ID和产品关联数据。"
架构师的思维拆解：
1. 输入：三个 Excel 文件（销售数据、客户数据、订单数据） 2. 处理：通过客户ID和产品进行数据关联（merge操作） 3. 输出：一个合并后的 Excel 文件
操作步骤
第一步：向 AI 描述需求
我想要合并三个 Excel 文件。文件1：销售数据.xlsx（产品、销售额）文件2：客户数据.xlsx（客户ID、客户名称、地区）文件3：订单数据.xlsx（订单ID、客户ID、产品、订单金额）需求：通过客户ID和产品关联数据，生成完整订单表第二步：AI 生成代码
AI 会给出类似这样的代码：
import pandas as pd# 读取三个文件sales_df = pd.read_excel('销售数据.xlsx')customer_df = pd.read_excel('客户数据.xlsx')order_df = pd.read_excel('订单数据.xlsx')# 合并数据merged_df = pd.merge(order_df, customer_df, on='客户ID')merged_df = pd.merge(merged_df, sales_df, on='产品')# 保存结果merged_df.to_excel('合并订单数据.xlsx', index=False)第三步：运行代码
一行命令搞定：
python merge_excel.py优点： 可重复执行、可自动化缺点： 需要写代码
如何选择？
• 只做一次 → 用方案A • 每天都要做 → 用方案B
💡 核心要点
记住：你不需要记住所有 Pandas 函数！
你只需要学会：
1. 如何描述数据合并需求 2. 如何让 AI 生成代码 3. 如何验证合并结果
🔥 案例二：计算指标生成日报
场景描述
你有销售数据，想计算每日指标：总销售额、订单数、平均客单价。
方案对比
方案A：直接用网页AI（推荐用于临时分析）
适用场景： 偶尔看一次数据
操作步骤：
1. 上传Excel文件到DeepSeek/豆包/Kimi 2. 描述需求："按日期分组，计算每日总销售额、订单数、平均客单价" 3. AI会直接返回结果，甚至生成图表 4. 下载结果或复制到Excel
优点： 快速、直观、有可视化缺点： 每次都要手动操作，无法自动化
方案B：用Python代码（推荐用于自动化日报）
适用场景： 每天都要发日报
架构师思维拆解
你的大白话需求：
"我想根据销售数据计算每日指标，生成日报报表。"
架构师的思维拆解：
1. 输入：一个 Excel 文件（销售数据） 2. 处理：按日期分组，计算总销售额、订单数、平均客单价 3. 输出：一个日报报表 Excel 文件
操作步骤
第一步：向 AI 描述需求
我有销售数据，想计算每日指标并生成日报。文件：销售数据.xlsx列：日期、订单ID、客户ID、产品、订单金额计算指标：1. 总销售额2. 订单数3. 平均客单价（总销售额/订单数）4. 新增客户数第二步：AI 生成代码
import pandas as pd# 读取数据df = pd.read_excel('销售数据.xlsx')df['日期'] = pd.to_datetime(df['日期'])# 按日期分组计算指标daily_metrics = df.groupby('日期').agg({ '订单ID': 'count', '订单金额': 'sum', '客户ID': 'nunique'}).reset_index()# 计算平均客单价daily_metrics['平均客单价'] = daily_metrics['订单金额'] / daily_metrics['订单ID']# 保存日报daily_metrics.to_excel('日报报表.xlsx', index=False)第三步：运行代码
python daily_report.py优点： 可定时执行、可集成到工作流缺点： 需要写代码
如何选择？
• 偶尔看一次数据 → 用方案A • 每天都要发日报 → 用方案B
💡 关键学习点
不是要记住所有聚合函数，而是要理解：
1. 如何描述指标计算需求 2. 如何让 AI 生成聚合计算代码 3. 如何验证指标计算结果
🔥 案例三：数据监控与预警
场景描述
想做一个销售数据监控系统，当销售额低于阈值时发送预警。
为什么这个场景必须用代码？
网页AI的局限性：
必须用代码的场景特征：
• 需要持续监控（不是一次性分析） • 需要定时执行（不是手动触发） • 需要主动通知（不是被动查询） • 需要长期稳定（不是临时任务）
架构师思维拆解
你的大白话需求：
"我想做一个销售数据监控系统，当销售额低于1000元时发送预警。"
架构师的思维拆解：
1. 输入：一个 Excel 文件（销售数据） 2. 处理：计算今日销售额，判断是否低于阈值 3. 输出：预警信息（打印到控制台或发送通知）
操作步骤
第一步：向 AI 描述需求
我想做一个销售数据监控系统。功能：1. 读取销售数据Excel文件2. 计算今日销售额3. 判断是否低于阈值（如1000元）4. 如果低于阈值，发送预警5. 记录监控日志第二步：AI 生成代码
import pandas as pdfrom datetime import datetime# 读取数据df = pd.read_excel('销售数据.xlsx')df['日期'] = pd.to_datetime(df['日期'])# 获取今日日期today = datetime.now().strftime('%Y-%m-%d')# 计算今日销售额today_sales = df[df['日期'].dt.strftime('%Y-%m-%d') == today]today_total = today_sales['订单金额'].sum()# 判断是否低于阈值threshold = 1000if today_total < threshold: print(f"⚠️ 预警：今日销售额{today_total}，低于阈值{threshold}")else: print(f"✅ 正常：今日销售额{today_total}")第三步：运行代码
python sales_monitor.py💡 扩展思路
你可以进一步扩展这个系统：
• 支持邮件、短信通知 • 定时检查（每小时、每天） • 生成趋势图表 • 记录历史监控数据
🎓 实战任务
现在轮到你了！请完成以下任务：
任务一：读取 Excel 文件
任务描述：读取一个 Excel 文件，显示数据统计。
思考题：
• 如何处理文件不存在的情况？ • 如何只读取特定的列？
任务二：合并多个 Excel 文件
任务描述：准备多个 Excel 文件，合并成一个文件。
思考题：
• 如何处理关联键不匹配的情况？ • 如何处理重复列名？
任务三：计算指标生成日报
任务描述：计算销售指标，生成日报报表。
思考题：
• 如何计算同比增长率？ • 如何计算环比增长率？
💬 评论区互动
你在处理 Excel 时遇到过哪些困难？
1. 数据量太大，处理很慢？ 2. 不知道怎么计算指标？ 3. 不知道怎么合并多个文件？ 4. 不知道怎么自动化日报？
在评论区告诉我你的问题，我会给你针对性的建议！
🎯 行动号召
今天就开始动手试试吧！
1. ✅ 关注我，每天学一个 AI 编程技巧 2. ✅ 觉得有用，分享给需要的朋友 3. ✅ 在评论区告诉我你的想法 4. ✅ 现在就动手试试，有问题随时问我
📋 核心要点总结
记住：你不是要成为 Excel 专家，而是要成为 AI 的优秀指挥官！
你应该重点学习：
1. 如何思考数据处理 • 设计数据处理流程 • 确定需要的步骤 • 设计输出格式 2. 如何提问 • 用清晰的语言描述数据处理需求 • 提供充分的文件结构信息 • 给出具体的示例 3. 如何验证 • 检查数据读取是否正确 • 检查数据合并是否正确 • 检查指标计算是否正确
你不需要重点学习：
• ❌ 记住所有 Pandas 函数 • ❌ 记住所有聚合方法 • ❌ 记住所有数据类型
为什么？
因为这些都可以问 AI！你需要的是理解概念，而不是背诵函数。
🔗 下一步学习
下节课预告：OCR 图片文字识别
下节课，我们将学习：
• 如何使用 OCR 库识别图片中的文字 • 如何批量处理图片文件 • 如何提取图片中的表格数据
保持好奇心，我们下节课见！
📚 附录：AI 提问模板
读取 Excel 模板
我想要读取一个 Excel 文件。【文件信息】文件名：[文件名]列名：[列1]、[列2]、...【功能需求】1. 读取 Excel 文件2. 显示数据预览3. 显示数据统计请给代码加上详细的中文注释。合并 Excel 模板
我想要合并多个 Excel 文件。【文件信息】文件1：[文件1]，列：[列1]、[列2]...文件2：[文件2]，列：[列1]、[列2]...【合并需求】1. 读取两个 Excel 文件2. 通过[关联键]合并数据3. 保存合并后的数据请给代码加上详细的中文注释。计算指标模板
我想要计算数据指标。【数据信息】文件：[文件名]列：[列1]、[列2]、...【计算指标】[指标1]：[计算方法][指标2]：[计算方法]请给代码加上详细的中文注释。觉得有用，记得点赞、在看、分享三连哦！
👇 在评论区告诉我，你最想用 AI 自动动化处理什么 Excel 任务？
