导语:上节课我们学会了用 Pandas 处理海量数据。
但老板拿到数据后,通常会问三个灵魂拷问:
今天,我们不讲大道理,只给“小药方”!精选 经典职场微案例,解锁 Pandas 的终极武器——pivot_table(数据透视),并联手 openpyxl 给报表穿上“高定西装”。
我们需要两个核心库:

痛点一: 老板问:“每个部门卖了多少?哪个产品最火?解法: 用 pivot_table 一行代码,自动生成交叉统计表。



fill_value=0 保证没销量的格子显示0而不是 NaN。)痛点二: 导出的表格里,哪些人业绩没达标?还得肉眼一个个找,或者在 Excel 里设规则。解法: 用 openpyxl 加几行代码,自动给小于目标值的单元格涂红。
你想把上面的透视表发给老板,希望低于 10000 元的数字自动变红,提醒注意。


.round() 统一保留2位小数,再转成百分比格式。你有两年的数据,想算一下今年比去年涨了多少。





pivot_table更灵活,且易于自动化。)📊 原始数据 (sales_data):(想象这是一个包含数万行记录的 DataFrame)



index 改成 '销售员',aggfunc 改成 'mean',无需重新拖拽!)场景: 老板想看“各地区 - 各季度”的销售趋势,并且要同时看“总额”。


margins=True 自动帮你算好了总计,省去了在 Excel 里再写 SUM 公式的麻烦!)Pandas 导出的 Excel 通常也是“素颜”的(默认字体、无边框、列宽自适应差)。我们要用openpyxl进行“化妆”。
pd.ExcelWriter 引擎指定为 openpyxl。writer.book 和writer.sheets 获取工作表对象。openpyxl.styles 设置字体、颜色、边框、对齐。🐍 完整代码:






🐍 代码实现:






在评论区分享一个你曾经为了做透视表或美化 Excel 加班到深夜的经历!或者晒出你用本课代码生成的第一张“高颜值”报表截图(脱敏后)。
记住: 编程不是为了炫技,而是为了少加班。哪怕只用这十几行代码,也能让你从“做表两小时”变成“做表两分钟”。
👉 点赞 + 收藏,下节课我们彻底解放双手!☕️