震惊!99%的Excel操作,Python一行代码就能搞定!

pip install pandas openpyxl

import pandas as pd
import glob

# 获取当前目录下所有xlsx文件
all_files = glob.glob("*.xlsx")

# 一行代码读取并合并
df = pd.concat([pd.read_excel(f) for f in all_files])

# 导出结果
df.to_excel("汇总报表.xlsx", index=False)

不仅卡，公式还容易报错 #N/A。

Pandas里的 merge 函数，速度快到让你怀疑人生。

假设你有两张表：员工表.xlsx 和 考勤表.xlsx。

你要把考勤数据匹配到员工表里。

import pandas as pd

# 读取数据
emp = pd.read_excel("员工表.xlsx")
atten = pd.read_excel("考勤表.xlsx")

# 像SQL一样关联数据，on指定共同的列
result = pd.merge(emp, atten, on="工号", how="left")

# 保存
result.to_excel("工资核算表.xlsx", index=False)

这就是“左连接”，Excel里要写半天公式的操作，这里一目了然。

而且，它不会因为行数太多而卡死你的电脑。

场景三：一键清洗脏数据，强迫症福音

数据源太脏？有空行、有重复值、有奇怪的符号？

手动删？删到明年去吧。

Pandas清洗数据，就像切菜一样利落。

df = pd.read_excel("脏数据.xlsx")

# 删除重复值
df.drop_duplicates(inplace=True)

# 删除空行
df.dropna(inplace=True)

# 甚至可以把“销售额”列里的“元”字去掉并转为数字
df['销售额'] = df['销售额'].str.replace('元', '').astype(float)

df.to_excel("干净数据.xlsx", index=False)

dropna、drop_duplicates，看名字就知道是干嘛的。

这种代码，写一次，以后每次拿到脏数据，运行一下脚本，搞定。

场景四：自动生成专业图表，比Excel还美

别再用Excel默认的那个丑丑的柱状图了。

Python生成的图表，直接就是出版级的质量。

虽然代码稍微多一点点，但逻辑依然清晰。

import matplotlib.pyplot as plt

# 假设df已经读取了销售数据
plt.figure(figsize=(10, 6)) # 设置画布大小

# 一行代码画图
df.plot(kind='bar', x='月份', y='销售额', color='skyblue')

plt.title('2026年销售趋势分析', fontsize=16)
plt.xlabel('月份')
plt.ylabel('销售额(万元)')

# 保存图片
plt.savefig('销售报表.png', dpi=300)

dpi=300 意味着什么？意味着这张图打印出来都非常清晰。

你可以把它直接贴进PPT，老板看了都得夸你专业。

别再用战术上的勤奋，掩盖战略上的懒惰

这句话虽然老套，但放在Excel自动化上简直绝配。

每天花1小时做表，一年就是250个小时。

这250个小时，你拿去学个新技能、健健身，甚至多陪陪家人不好吗？

工具的意义，就是为了把人从重复劳动中解放出来。

Python不是要取代你，而是要武装你。

当你还在纠结VLOOKUP怎么写的时候，懂Python的人已经生成了全套的自动化报表系统。

这中间的差距，不是智商，是认知。