不是吧!就十几张Excel表格合一下午?现在从3小时压缩到10分钟

读取我桌面的“销售明细_9月第3周.xlsx”，帮我清洗：

1. 日期统一成 YYYY-MM-DD

2. 删掉空行和重复记录

3. “订单状态”里的“已完成／完成／done”统一改成“已完成”

4. 销售额列的文本数字转成数值

洗完告诉我多少条有效记录，输出清洗后的文件。

把这 12 个 Excel 合成一个总表：

1. 列名统一成「城市／日期／销售额／渠道」，不同写法自动对应

2. 删掉重复行和关键列空行

3. 销售额不是数字的行单独放“异常”表

4. 最后按城市汇总销售额

输出 result.xlsx 到原文件夹。

import pandas as pd

import glob, os

files = glob.glob("raw/*.xlsx")

frames = []

for f in files:

　　df = pd.read_excel(f)

　　df = df.rename(columns=lambda c: {"金额": "销售额", "销售": "销售额"}.get(c, c))

　　df["城市"] = df.get("城市", os.path.basename(f).split(".")[0])

　　frames.append(df)

all_df = pd.concat(frames, ignore_index=True)

all_df = all_df.dropna(subset=["日期", "销售额"])

all_df = all_df.drop_duplicates(subset=["城市", "日期", "渠道"])

all_df["销售额"] = pd.to_numeric(all_df["销售额"], errors="coerce")

good = all_df[all_df["销售额"].notna()].copy()

bad = all_df[all_df["销售额"].isna()].copy()

summary = good.groupby("城市")["销售额"].sum().reset_index()

with pd.ExcelWriter("result.xlsx") as xw:

　　good.to_excel(xw, sheet_name="清洗后", index=False)

　　bad.to_excel(xw, sheet_name="异常", index=False)

　　summary.to_excel(xw, sheet_name="按城市汇总", index=False)

print(f"完成：{len(good)} 行干净，{len(bad)} 行异常")

读取“销售明细_本周.xlsx”，统一日期格式、去空行去重、清洗异常值。

完了告诉我有效记录数。

基于清洗后的数据：

1. 本周对比上周销售额环比

2. 按产品线拆占比，画饼图

3. 销售额前五名的城市，画柱状图

4. 总结 3 条值得注意的趋势

把以上分析和图表整理成周报，商务风格，结构：

本周概况 → 核心数据 → 分产品线表现 → 风险与建议。

输出 Word。

读取本目录下“销售明细_本周.xlsx”，清洗数据、按产品线和城市汇总、

生成柱状图和饼图，输出一份周报 Word 到本目录。

先看表头再动手

上传前先说「先列出每个文件的列名」，确认字段对得上，少返工。

复杂任务拆着来

清洗、分析、成文分开发，每步确认。一口气全丢容易中间出错。

大文件别硬读

单表超 10 万行，让它用 chunksize 分块读，不然内存爆。

源文件不会被覆盖

默认只新增输出文件，不动你的原始表。真要覆盖它会先问你。

跑顺了存模板

验证过的提示词存成常用指令，下次换个文件名直接用。

关键数字自己抽查

自动化省时间，但合计数还是要抽 2 到 3 个源文件对一遍。

积分花在哪

轻量清洗基本不耗积分；重度分析才用付费模型。一次周报约 100 到 200 积分。

洗数据

读取“文件名.xlsx”，删空行和重复记录，日期统一 YYYY-MM-DD，文本数字转数值，告诉我有效记录数。

合并多表

把这些 Excel 合成总表，统一列名，删重复，异常值单独放工作表，输出 result.xlsx。

分组汇总

按“某列”分组汇总“某列”合计，画柱状图，输出汇总表。

环比对比

对比本周和上周“某指标”，算环比，标出涨跌幅最大的项。

出周报

把以上分析整理成周报：本周概况、核心数据、分维度表现、风险建议，输出 Word。

定时跑

读本目录最新的“销售明细.xlsx”，清洗、汇总、出图、生成周报，存到本目录。