Python Excel自动化教程(一):为什么说批量处理Excel是职场人的必修课?

如果你每天的工作离不开 Excel，那这篇文章值得你花 5 分钟读完。我们这个新系列就叫「Python 自动化处理 Excel」，一共 20 篇，专门讲怎么用 Python 处理 Excel 表格、实现 Excel 自动化办公。为什么第一篇不写代码，先聊"为什么"？因为见过太多人学完就放弃，根本原因不是代码难，而是没想清楚批量处理 Excel这件事到底能给自己省多少时间。这篇开题词，我们先算一笔账。

这些 Excel 重复劳动场景，你中了几个？

先对号入座，看看下面这几个场景你熟不熟悉：

场景一：月度报表合并。月底到了，12 个分公司各发来一张 Excel 报表，你要一张张打开、复制、粘贴到汇总表里，再检查有没有漏行、错行。顺利的话一下午，不顺利的话加班到九点。

场景二：总表拆分。反过来，领导给你一张 5000 行的总表，让你按部门拆成 20 个小表分别发邮件。你筛选、复制、新建工作簿、另存为……机械重复 20 遍。

场景三：格式调整。报表数据没错，但领导说"表头加粗、金额列千分位、负数标红、加上边框"。改一张表 10 分钟，改 30 张表就是一个上午。

场景四：跨表核对。两张表按订单号对账，肉眼一行行找差异，眼睛看花还容易漏。

这些场景的共同点是：规则明确、重复机械、耗时巨大、出错率高。而这类工作，恰恰是 Python 最擅长替你干的。

Python 批量处理 Excel，到底能省多少时间？

我们直接算账。以"合并 12 张月度报表"为例：

• 手工操作：每张表打开、复制、粘贴、检查，约 15 分钟，12 张就是 3 个小时，每个月都要做一次。
• Python 脚本：写一次脚本大约 30 分钟（学会以后只要 10 分钟），之后每次运行 30 秒，点一下就完事。

更关键的是，脚本不会累、不会眼花、不会把第 87 行粘到第 88 行的位置。Excel 自动化办公最大的收益其实不是"快"，而是稳定不出错——你再也不用在发出去之前提心吊胆地检查三遍。

下面这个 demo 就是本系列资料包里的真实代码：合并 3 张月度销售明细表，并按地区自动汇总，感受一下它的体量：

import glob     from openpyxl import load_workbook, Workbook# 1. 批量读取所有月度报表      所有记录 = []      for 文件 in sorted(glob.glob(”销售明细_2024年*月.xlsx”)):     wb = load_workbook(文件, data_only=True)# 读取计算结果          ws = wb.active    for row in ws.iter_rows(min_row=2, values_only=True):    # 跳过表头        所有记录.append(list(row))# 2. 按地区汇总销售额      地区汇总 = {}for 记录 in 所有记录:    地区, 销售额 = 记录[2], 记录[7]    地区汇总[地区] = 地区汇总.get(地区, 0) + 销售额# 3. 输出汇总结果     结果表 = Workbook().active结果表.append([”地区”, ”一季度销售额”])for 地区, 总额 in 地区汇总.items():    结果表.append([地区, 总额])结果表.parent.save(”一季度销售汇总.xlsx”)

二十几行代码，干完原来一下午的活。这就是 Python 处理 Excel 的日常画风。

为什么选 Python，而不是 VBA 或其他工具？

经常有人问：Excel 自带 VBA，为什么还要学 Python？三个理由：

1. 生态更强。 pandas、openpyxl 这些库处理表格的能力远超 VBA，还能顺手对接数据库、网页、邮件，自动化链条可以拉得很长。
2. 学起来更简单。 Python 语法接近自然语言，没有编程基础也能在两三天内写出能用的脚本。
3. 简历加分。 "会用 Python 批量处理 Excel"已经是很多岗位 JD 里的明确加分项，VBA 很少被提到。

20 篇学习路线图：从入门到综合实战

这个「Python 自动化处理 Excel」系列一共 20 篇，分四个阶段，循序渐进：

第一阶段 · 入门筑基（第 01~05 篇）：搞懂为什么学、10 分钟搭好环境、横评 openpyxl / pandas / xlwings 三大神器、写出你的第一个自动化脚本、掌握 openpyxl 三板斧（工作簿、工作表、单元格）。

第二阶段 · 读写进阶（第 06~10 篇）：批量合并 100 个 Excel、按部门自动拆分总表、单元格格式自动化、公式自动生成、数据清洗。

第三阶段 · 报表自动化（第 11~15 篇）：pandas 数据透视、自动生成图表、定时任务出日报、套模板批量出报表、Excel 批量转 PDF。

第四阶段 · 综合实战（第 16~20 篇）：工资条批量生成并邮件发送、进销存自动对账、大报表性能优化、报错调试集锦、把脚本打包成同事也能用的工具。

写给零基础的你：三个学习建议

最后，给准备跟着这个系列学 Excel 自动化的朋友三个建议：

第一，先跑通再理解。拿到资料包先把代码跑起来，看到结果再回头看每一行是什么意思，比先啃语法书高效得多。

第二，用自己的真实数据练。学完一篇，立刻想想"这个思路能用到我哪张表上"，哪怕只自动化一个小环节，成就感会推着你继续学。

第三，允许自己抄。工作中没人关心代码是不是你原创的，能解决问题就是好代码。资料包存在的意义就是让你抄得放心。

下一篇，我们用 10 分钟把 Python 办公自动化环境搭好，正式开始动手。

📌有类似需求？如果你也有 Excel 批量处理、报表自动化的需求，欢迎关注公众号「数据技术分享」，后台留言关键词【开题】即可领取本篇「示例数据 + 完整代码」资料包；也欢迎在后台留言你工作中遇到的具体问题，点赞高的需求我们会优先写成教程。