AI 办公自动化（二）：Excel 数据处理自动化 :  从数据清洗到智能报表，一条龙搞定

还在手动做数据清洗、拉透视表、画图表？AI 一次性全搞定: : 你只需要「说话」。

前言

上一期我们体验了 AI 在四大办公场景的「超能力」。从这一期开始，我们逐个模块深入实战。

第一个要攻克的是 Excel: : 毫无疑问，这是打工人每天打交道最多的工具。

想象一下这个场景：老板扔给你一个 Excel 文件，里面有几千行销售数据，有些格子是空的，有些数字明显不对，你需要「清洗数据 → 分析趋势 → 画图表 → 写报告」: : 传统做法至少要一上午。

而用 AI，整个流程可以缩短到几分钟。这一期我们就来实现这个「一条龙」自动化。

一、整体流程设计

AI + Excel 自动化的核心流程分为五步：

原始 Excel 文件
      │
      ▼
┌──────────────┐
│ 1. 智能读取    │  ← 自动识别表头、数据类型、空值
└──────┬───────┘
       │
       ▼
┌──────────────┐
│ 2. 数据质量分析│  ← AI 分析数据问题，生成清洗方案
└──────┬───────┘
       │
       ▼
┌──────────────┐
│ 3. 智能清洗    │  ← 按 AI 方案自动修复数据
└──────┬───────┘
       │
       ▼
┌──────────────┐
│ 4. AI 分析    │  ← 自然语言提问，AI 给洞察
└──────┬───────┘
       │
       ▼
┌──────────────┐
│ 5. 自动报表    │  ← 生成带图表、条件格式的专业报表
└──────────────┘

每一步我们都会提供完整的代码实现。

二、环境准备

cd ai-office-tutorial/02-excel-automation
pip install openpyxl

第2期的代码复用第1期的 config.py 和 llm_client.py，你只需要确保 DEEPSEEK_API_KEY 环境变量已设置。

三、智能数据读取

3.1 自动识别 Excel 结构

传统方式读取 Excel 需要你先「了解」数据结构: : 哪行是表头、每列是什么类型、有没有空值。我们的 ExcelReader 会自动完成这一切。

from openpyxl import load_workbook

class ExcelReader:
    """Excel 智能读取器"""
    
    def analyze(self, filepath, sheet_name=None):
        # 加载工作簿
        wb = load_workbook(filepath, read_only=True, data_only=True)
        sheet = wb[sheet_name or wb.sheetnames[0]]
        
        # 读取所有数据
        all_rows = list(sheet.iter_rows(values_only=True))
        
        # 自动检测表头
        has_header = self._detect_header(all_rows)
        
        # 分析每列的数据类型、空值、统计信息
        columns = []
        for col_idx, header in enumerate(headers):
            col_info = self._analyze_column(header, col_idx, values)
            columns.append(col_info)
        
        return TableInfo(...)

3.2 表头自动检测

核心问题：Excel 的第一行是表头还是数据？

我们的检测逻辑很简单但有效：如果第一行全是文本，而第二行有数字: : 第一行大概率是表头。

def _detect_header(self, rows):
    """检测第一行是否为表头"""
    if len(rows) < 2:
        return True
    
    first_row = rows[0]
    second_row = rows[1]
    
    # 统计第一行和第二行的数据类型
    first_types = [self._infer_cell_type(c) for c in first_row]
    second_types = [self._infer_cell_type(c) for c in second_row if c is not None]
    
    # 第一行全是文本 + 第二行有数字 → 有表头
    first_all_text = all(t == "str" for t in first_types)
    second_has_number = any(t in ("int", "float") for t in second_types)
    
    if first_all_text and second_has_number:
        return True
    
    # 如果第一行超过 70% 是文本，也认为是表头
    text_ratio = first_types.count("str") / len(first_types)
    return text_ratio > 0.7

3.3 数据类型推断

每列是什么类型？数字、日期、文本？我们根据值内容自动推断：

def _infer_cell_type(self, value):
    """推断单元格的数据类型"""
    if value is None:
        return "null"
    if isinstance(value, int):
        return "int"
    if isinstance(value, float):
        return "float"
    if isinstance(value, str):
        # 尝试判断是否为数字字符串
        try:
            float(value)
            return "float"
        except ValueError:
            pass
        # 尝试判断是否为日期
        if '-' in value or '/' in value or '年' in value:
            return "date"
        return "str"
    if hasattr(value, 'strftime'):
        return "date"
    return type(value).__name__

有了类型信息，后续就可以做针对性处理: : 数值列算统计、日期列统一格式、文本列查空值。

四、AI 数据质量分析

读完了数据，接下来让 AI 来分析数据质量。

4.1 生成数据质量摘要

首先把表格的元数据收集起来，包括每列的空值数、数据类型、统计信息：

class DataCleaner:
    def analyze_quality(self, table_info):
        """AI 分析数据质量"""
        quality_summary = {
            "文件名": table_info.filepath,
            "数据行数": table_info.row_count,
            "各列详情": []
        }
        
        for col in table_info.columns:
            quality_summary["各列详情"].append({
                "列名": col.name,
                "类型": col.dtype,
                "空值数": col.null_count,
                "空值率": f"{col.null_count / max(table_info.row_count, 1) * 100:.1f}%",
                "统计": col.stats if col.stats else "N/A",
            })

4.2 AI 分析

然后把摘要发给 AI，让它以数据分析师的身份给出质量报告：

prompt = f"""作为数据质量分析师，请分析以下数据质量报告。

数据质量报告：
{json.dumps(quality_summary, ensure_ascii=False, indent=2)}

请从以下角度分析：
1. 数据完整性：哪些列有缺失值？缺失率是否严重？
2. 数据一致性：列类型是否合理？有没有格式问题？
3. 数据准确性：有没有可疑的异常值？
4. 清洗建议：给出具体的清洗步骤（按优先级排序）"""

quality_report = llm.chat(prompt, system_prompt="你是数据质量专家")

AI 会告诉你：哪些列需要填充空值、用什么策略（均值/中位数/众数）、哪条数据看起来像异常值、清洗的先后顺序。

4.3 自动清洗

根据 AI 的分析结果，程序自动执行清洗：

def clean_data(self, data, cleaning_plan):
    """根据 AI 方案执行数据清洗"""
    # 1. 删除全空行
    data = [row for row in data if any(v is not None for v in row.values())]
    
    # 2. 数值列用中位数填充空值
    for header in headers:
        numeric_vals = [float(v) for v in values if v is not None]
        median = sorted(numeric_vals)[len(numeric_vals) // 2]
        for row in data:
            if row.get(header) is None:
                row[header] = median
    
    # 3. 删除重复行
    # ...
    
    return data

注意：这里用中位数而不是均值来填充空值: : 因为中位数不受极端值影响，更加稳健。这是 AI 分析时通常会给出的建议。

五、AI 数据分析

数据干净了，开始真正的「智能」部分: : 用自然语言向数据提问。

5.1 数据摘要生成

AI 无法一次「看」完几千行数据。我们需要先给它一个数据摘要: : 就像给数据分析师一份汇总统计表：

def _create_data_summary(self, data):
    """为 AI 创建数据摘要"""
    summary = [f"数据集共 {len(data)} 行"]
    
    for header in data[0].keys():
        values = [row.get(header) for row in data]
        non_null = [v for v in values if v is not None]
        
        if all(isinstance(v, (int, float)) for v in non_null):
            # 数值列：显示范围、均值、合计
            summary.append(
                f"- {header}（数值）："
                f"范围 [{min(non_null)}, {max(non_null)}]，"
                f"均值 {sum(non_null)/len(non_null):.1f}"
            )
        else:
            # 文本列：显示不同值和示例
            unique = set(str(v) for v in non_null)
            summary.append(f"- {header}（{len(unique)}个不同值）")
    
    return "\n".join(summary)

5.2 自然语言提问

有了摘要，就能用自然语言向 AI 提问了：

class AIAnalyzer:
    def analyze(self, data, question):
        """AI 分析数据并回答问题"""
        summary = self._create_data_summary(data)
        
        prompt = f"""作为资深数据分析师，请分析以下数据。
        
        数据摘要：
        {summary}
        
        用户问题：{question}
        
        要求：用具体数值支撑分析结论，发现模式和异常。"""
        
        return self.llm.chat(prompt, temperature=0.3)

试试这些提问：

• 「哪些产品线的销售额在持续增长？哪些在下滑？」
• 「有没有明显的季节性规律？」
• 「华东和华南的利润率差异有多大？原因可能是什么？」
• 「给出提升销售额的 3 条建议」

AI 会像一个真正的数据分析师一样，结合数据给出洞察。

六、自动报表生成

分析完了，最后一步：把结果变成一份专业的 Excel 报表。

6.1 汇总统计表

按产品线（或任意维度）自动汇总：

# 按产品线汇总
product_stats = {}
for row in data:
    product = row.get("产品线")
    sales = row.get("销售额(万元)", 0) or 0
    
    if product not in product_stats:
        product_stats[product] = {"sales": 0, "count": 0}
    product_stats[product]["sales"] += sales
    product_stats[product]["count"] += 1

6.2 专业格式

不只是数据，还有格式：

# 表头样式
header_font = Font(bold=True, color="FFFFFF")
header_fill = PatternFill(start_color="2B579A", end_color="2B579A", fill_type="solid")

# 条件格式：销售额列颜色渐变（红-黄-绿）
ws_summary.conditional_formatting.add(
    "B5:B20",
    ColorScaleRule(start_type="min", start_color="F8696B",
                   mid_type="percentile", mid_value=50, mid_color="FFEB84",
                   end_type="max", end_color="63BE7B")
)

6.3 自动图表

柱状图、折线图、饼图: : 一个不少：

from openpyxl.chart import BarChart, PieChart, Reference

# 柱状图：各产品线销售额对比
bar_chart = BarChart()
bar_chart.title = "各产品线总销售额对比"
bar_chart.style = 10  # 使用预定义专业样式

data_ref = Reference(ws, min_col=2, min_row=1, max_row=6)
cats_ref = Reference(ws, min_col=1, min_row=2, max_row=6)
bar_chart.add_data(data_ref, titles_from_data=True)
bar_chart.set_categories(cats_ref)

# 设置专业配色
colors = ["2B579A", "ED7D31", "A5A5A5", "FFC000", "5B9BD5"]
for i, color in enumerate(colors):
    bar_chart.series[i].graphicalProperties.solidFill = color

ws.add_chart(bar_chart, "A10")

# 饼图：各产品线占比
pie_chart = PieChart()
pie_chart.title = "各产品线销售额占比"
# 添加数据标签（显示百分比和名称）
pie_chart.dataLabels.showPercent = True
pie_chart.dataLabels.showCatName = True

最终生成的 Excel 文件包含 3 个工作表： - 销售数据：原始数据（带格式和条件格式） - 汇总分析：按维度汇总的统计表（带颜色渐变） - 可视化图表：柱状图 + 饼图

七、运行演示

cd 02-excel-automation

# 完整演示（生成示例数据 → 读取 → 清洗 → 分析 → 报表）
python main.py --demo

# 分析你自己的 Excel 文件
python main.py --input /path/to/your_data.xlsx --output report.xlsx

演示会生成两个文件： - output/demo_sales_data.xlsx :  示例数据 - output/demo_excel_report.xlsx :  分析报表（含图表）

八、小结

这一期我们实现了 AI + Excel 自动化的完整流程：

• 📖 智能读取：自动识别表头、类型、空值，无需人工标注
• 🔍 AI 质量分析：自动发现数据问题，给出清洗方案
• 🧹 智能清洗：按 AI 建议自动修复缺失值和异常值
• 🤖 AI 分析：自然语言提问，AI 给出数据洞察
• 📊 自动报表：一键生成带图表、条件格式的专业报表

核心思路就是：用 AI 替代你在 Excel 中 80% 的重复操作。你只需要搞清楚「我想知道什么」，剩下的交给代码。

下一期，我们来攻克 PPT 自动生成: : 输入一个主题，AI 自动生成完整的演示文稿，从大纲到内容到排版，一步到位。

完整代码已上传到 Gitee： https://gitee.com/genesisesNoun/ai-office-tutorial

本教程为「CV技术笔记」公众号 AI 办公自动化实战专题第 2 期。代码详细注释完备，每期独立可运行。