1️⃣ 摘要
每天手动处理销售Excel，统计报表、生成图表，是不是又耗时又容易出错？
本文教你用Python批量处理Excel文件：
- 自动清洗销售数据
- 生成汇总报表
- 自动绘制可视化图表
从零到有，完整实战案例演示，让你秒变办公Python高手！
2️⃣ 背景
- 手动整理Excel数据效率低、容易出错
- 公司销售数据分散在多个Excel文件
- 传统方法无法快速统计、生成报表
解决方案 ：用Python + pandas + matplotlib，实现自动化批量处理Excel。
3️⃣ 技术方案概览
核心流程：
┌───────────────┐
│ 多个Excel文件 │
└───────┬───────┘
│
┌───────▼─────────┐
│ 数据读取 │ pandas.read_excel()
└───────┬─────────┘
│
┌───────▼─────────┐
│ 数据清洗/统计 │ groupby(), sum(), sort_values()
└───────┬─────────┘
│
┌───────▼─────────┐
│ 生成报表与可视化 │ to_excel(), matplotlib
└─────────────────┘4️⃣ 核心代码示例
（1）准备实战数据
假设我们有多个Excel文件，每个文件包含销售记录，字段如下：
| Date | Salesperson | Product | Amount |
|---|---|---|---|
| 2025-11-01 | Alice | A | 1000 |
| 2025-11-01 | Bob | B | 1500 |
文件命名规则：sales_20251101.xlsx, sales_20251102.xlsx 等。
（2）批量读取Excel并合并
python
import pandas as pd
import glob
# 获取当前目录下所有销售文件
files = glob.glob("sales_*.xlsx")
# 读取并合并数据
all_data = pd.DataFrame()
for file in files:
df = pd.read_excel(file)
all_data = pd.concat([all_data, df], ignore_index=True)
print(all_data.head())（3）数据清洗与统计
python
# 去掉空行
all_data = all_data.dropna()
# 按销售员统计总销售额
summary = all_data.groupby("Salesperson")["Amount"].sum().reset_index()
summary = summary.sort_values(by="Amount", ascending=False)
print(summary)输出示例：
| Salesperson | Amount |
|---|---|
| Bob | 4500 |
| Alice | 3200 |
（4）生成汇总Excel报表
python
summary.to_excel("sales_summary.xlsx", index=False)
print("汇总报表已生成：sales_summary.xlsx")（5）生成可视化柱状图
python
import matplotlib.pyplot as plt
plt.figure(figsize=(8,6))
plt.bar(summary["Salesperson"], summary["Amount"], color="skyblue")
plt.xlabel("销售员")
plt.ylabel("总销售额")
plt.title("销售统计报表")
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig("sales_chart.png")
plt.show()效果：生成一张柱状图展示每个销售员的总销售额。
5️⃣ 实战场景演示
场景：
公司销售部门每天都有多份Excel销售记录，手动汇总费时费力。
操作步骤：
-
将每日销售Excel放在同一目录
-
运行Python脚本
-
自动生成：
sales_summary.xlsx汇总报表sales_chart.png可视化柱状图
效果：
- 几行代码搞定批量处理
- 错误率大幅降低
- 每天只需几秒即可生成统计报表
6️⃣ 技术要点总结
| 模块 | 技术栈 |
|---|---|
| Excel批量处理 | pandas + glob |
| 数据清洗/统计 | pandas |
| 报表生成 | to_excel() |
| 可视化图表 | matplotlib |
| 自动化流程 | Python脚本一次运行完成任务 |
7️⃣ 结语 & 互动引导
Python不仅是开发工具，也是办公自动化利器！
如果你也有重复整理Excel报表的工作，不妨试试这个脚本。
💬 你平时最想自动化处理哪类Excel数据？欢迎在评论区分享经验！
好的，我们来加一个进阶功能章节
8 进阶功能：自动对比、生成PDF和多图表展示
（1）自动对比不同日期销售额
如果你希望看到每位销售员在不同日期的销售额对比，可以使用 pivot_table：
python
# 按日期和销售员汇总销售额
pivot = all_data.pivot_table(
index="Date",
columns="Salesperson",
values="Amount",
aggfunc="sum"
).fillna(0)
print(pivot)输出示例：
| Date | Alice | Bob |
|---|---|---|
| 2025-11-01 | 1000 | 1500 |
| 2025-11-02 | 1200 | 1800 |
（2）生成折线图对比销售趋势
python
plt.figure(figsize=(10,6))
for col in pivot.columns:
plt.plot(pivot.index, pivot[col], marker='o', label=col)
plt.xlabel("日期")
plt.ylabel("销售额")
plt.title("销售趋势对比")
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.savefig("sales_trend.png")
plt.show()效果：可以清晰看到每位销售员每日销售额变化趋势。
（3）生成饼图展示总销售占比
python
plt.figure(figsize=(6,6))
plt.pie(summary["Amount"], labels=summary["Salesperson"], autopct="%1.1f%%", startangle=90)
plt.title("销售占比")
plt.savefig("sales_pie.png")
plt.show()效果：展示每位销售员在总销售中的占比，适合做月度汇报。
（4）导出PDF报表（含表格+图表）
可以用 fpdf 或 reportlab 将统计结果和图表生成PDF报表：
python
from fpdf import FPDF
pdf = FPDF()
pdf.add_page()
pdf.set_font("Arial", 'B', 16)
pdf.cell(0, 10, "销售统计报表", ln=True, align='C')
# 添加表格
pdf.set_font("Arial", '', 12)
for i, row in summary.iterrows():
pdf.cell(0, 10, f"{row['Salesperson']}: {row['Amount']}", ln=True)
# 添加图表
pdf.image("sales_chart.png", x=10, y=60, w=180)
pdf.output("sales_report.pdf")
print("PDF报表已生成：sales_report.pdf")效果：生成完整PDF报表，包含表格和柱状图，一键即可发给领导或团队。
5 进阶功能总结
| 功能模块 | 技术点 | 优势 |
|---|---|---|
| 销售趋势对比 | pivot_table + 折线图 | 可快速看到每日变化趋势 |
| 销售占比分析 | 饼图 | 可视化月度或季度占比 |
| PDF报表生成 | fpdf / reportlab | 自动生成汇报文件，无需手动整理 |
6 进阶实战场景演示
-
每天将销售Excel放到目录
-
运行Python脚本
-
自动生成：
- 汇总Excel报表（
sales_summary.xlsx） - 可视化图表（柱状图、折线图、饼图）
- PDF报表（含表格和图表）
- 汇总Excel报表（
✅ 整个流程自动化，无需人工操作，效率大幅提升。
7️⃣ 结语
Python不仅能帮你自动化日常数据处理，还能直接生成汇报文件，让办公效率翻倍！
💬 你平时在工作中最希望自动化处理的报表是什么？欢迎在评论区分享你的需求，我可以帮你写脚本模板！