数据自动化(Excel处理)

Python处理Excel介绍

给 Excel 装上 V8 引擎！

面对几十个结构相似的表格，机械地复制粘贴；或者为了计算一个复杂的业务指标，在 VLOOKUP 和 IF 函数的嵌套中晕头转向，这种时刻最让人挫败。因为你心里清楚，这种重复的体力劳动是对你“算力”的极大浪费。我们我们要做的第一件事，就是把这种“手推车”式的工作，升级为“流水线”

这就是数据自动化的核心：我们不是要替代 Excel，而是要接管那些逻辑固定、重复繁琐的脏活累活

为什么是Python？

C 语言或者 Java 不能做数据方面的分析吗？不能做Excel的处理吗？当然能，但这关乎性价比

C 语言是一把精密的手术刀，它能精准控制每一个内存单元，适合做底层开发，但拿它来切西瓜，不仅效率低，还容易伤到手。Java 是一台重型挖掘机，适合建造企业级的高楼大厦，但如果你只是想在后院挖个坑种树，把挖掘机开进来的预热时间——那些繁琐的类定义、主函数、异常处理——Python 早就把树种好了

Python 是那个完美的瑞士军刀。 在自动化领域，我们不追求毫秒级的运行速度差异，我们追求的是开发的极致速度。Python 作为一种“胶水语言”，它的底层（比如我们即将用到的 Pandas）其实是 C 语言写的。你不需要编写底层逻辑，你只是一个发号施令的指挥官，用最接近自然语言的代码，指挥底层的高性能 C 代码去粉碎数据

Anaconda：一间精修房

对于“数据自动化处理Excel”这个任务，其实也可以理解成一种编程作业。那么首先要解决的就是——环境的部署。

涉及的环境有：

1. Python（一切的基础）：至少要有py环境，来执行代码对吧？

2. **Pandas（核心组件）：**它把 Excel 表格读取到内存里，变成一个叫 DataFrame 的东西

   在 Excel 里做的筛选、排序、透视表、VLOOKUP、去重、计算，在 Python 里全都是由 Pandas 完成的

3. **OpenPyXL（装修工具）：**Pandas 负责处理数据，OpenPyXL 负责处理“样式”。比如你要给某些单元格标红、加粗、合并单元格，或者读取 Excel 的公式，用它就行

4. **Jupyter Notebook（写代码的高级“记事本”）：**不像写传统的软件要写一堆文件，Jupyter 允许你写一行代码，立刻看到这行代码的结果（比如显示表格的前5行）。这对处理数据非常直观，非常适合新手

所以，我们要先下载Python，然后依次添加Pandas、OpenPyXL和Jupyter Notebook......吗？Of course not!!!

官方 Python 想象成一套毛坯房。它很干净，但你想睡觉时得自己买床（安装 Pandas），想做饭得自己买锅（安装 OpenPyXL）。在 Windows 环境下，当你手动组装这些家具时，经常会遇到缺少零件（比如缺少 C++ 编译器）的尴尬报错；而 Anaconda 就是一套精装全配的公寓。 它虽然臃肿，但它省心。它预装了数据分析所需的一切：Pandas 用来处理数据，OpenPyXL 用来读写文件，Jupyter 用来交互式编程。它甚至为你做好了环境隔离，保证你的工具之间不会打架

所以，直接下载Anaconda吧，虽然它又“重”（配置多）又“贵”（占内存），但是它为我们提供了一个新手能直接运行的环境

从Excel单元格到Pandas对象

Excel的世界中，我们操作的表格，是由一个个单元格组成的。思维被禁锢在二维坐标系中。我们关注的是 A1、B2 这样的单元格 (Cell)。如果想计算两列数据的总和，你必须对准一个单元格写公式，然后向下拉动鼠标，把公式应用到剩下的行列中。

但是在Python的Pandas库中，表格变成了一个整体对象，我们称之为 DataFrame。这样，我们的眼里不再是一个个复杂的“格子”，而是简单直观的“列、表”。当我们需要计算销售额时，不需要告诉电脑“把 A1 乘以 B1，然后循环n次”。你只需要发出一条指令：“把【单价列】乘以【销量列】”，Python 都会在瞬间完成这种向量化运算

实际上手

最后的提醒

在上面的介绍中，我们了解到利用Python进行数据处理是一种性价比较高的方式，必须要注意的是，数据处理不仅仅只有Excel的处理。本篇文章针对的是Excel的处理，所以顺着逻辑引出了Anaconda与DataFrame，如果是其他的数据自动化（例如？？？），那还有对应的方式，Pandas 其实是金融界和科学界拿来分析股票和实验数据的，拿它来处理 Excel 属于“降维打击”

环境的搭建

推荐最“一站式”的方案（即不单独下载Python、Pandas等等内容，而是直接安装Anaconda），避免后期各种库装不上的麻烦

1. 下载工具：

   安装 Anaconda 它自带了 Python、Jupyter Notebook（神器）以及 Pandas、OpenPyXL 等所有数据分析必备库

   安装 VS Code 它易扩展、高兼容性，和Anaconda一样上手即用

2. VS Code挂载Anaconda

   打开VS Code，要告诉系统：运行代码的时候，请用 Anaconda 里的 Python，而不是电脑系统里的Python（可能下载过）

   在VS Code中下载插件：Jupyter ，这样就可以在VS Code中使用Jupyter Notebook (.ipynb 文件)

   随机创建一个新文件，例如test.ipynb，然后在页面右上角，有一个 "Select Kernel" 或者 "选择内核" 的按钮，选择Python环境，带'base'的Python版本即可

快速操作

处理Excel，那我们肯定先有Excel文件。比如有一个叫做“数据集合.xlsx”的文件，我们要怎么进行处理呢？

大概的流程是：让AI了解这个表的结构（尤其是表头），然后提出我们的需求，最后由AI提供相关py代码，在VS Code的test.ipynb文件中执行，然后得到结果。任务从“写代码”、“操作Excel”变成了“审核代码”和“运行代码”

标准作业程序SOP：

1. 新建project.ipynb，导入data.xlsx到同级目录

2. 获取表结构：在 ipynb 第一个格子里运行这一行代码，看一眼你的数据长啥样

   import pandas as pd
   df = pd.read_excel('data.xlsx')
   print(df.colums) # 或者直接运行 df.head()

   然后得到表头结构

3. 与AI沟通，把上面看到的列名复制给 AI，套用这个万能话术：

   “我有一个 Excel 文件，列名是：['日期', '商品名称', '销售金额', '客户ID']。* *请帮我写代码：算出销售金额最高的 3 个商品，并画图。”

4. 复制代码并执行：AI 给你代码 -> 你复制回 ipynb -> Shift+Enter 运行 -> 出结果