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：
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：
这完全正常！ 你真正需要学习的是：
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：
🔍 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
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
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：
- 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"
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）
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？
💡 核心要点
记住：你不需要记住所有 Pandas 函数！
你只需要学会：
🔥 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"
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：
- 2. 处理：按日期分组，计算总销售额、订单数、平均客单价
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？
💡 关键学习点
不是要记住所有聚合函数，而是要理解：
🔥 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：
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：
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：
🎓 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：
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：
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：
💬 评论区互动
你在处理 Excel 时遇到过哪些困难？
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！
📋 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：
你不需要重点学习：
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：
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？
