基于Python+pandas实现Excel数据统计分析自动化完整指南
作者：yuanpan
在很多办公自动化场景里，Excel 是数据流转的入口：销售明细、考勤记录、库存台账、项目工时、财务流水，通常都会先以 .xlsx 文件的形式出现。如果数据量不大，手工筛选和透视表可以解决问题；但当文件每天都要处理、规则经常重复、结果还要导出给同事时，用 Python + pandas 自动化处理会更稳定，也更容易沉淀成可复用脚本。
本文围绕一个常见的“销售订单 Excel 统计分析”案例，系统演示 pandas 的 DataFrame 基本概念、读取 Excel、数据筛选、数据排序、分组统计、缺失值处理，以及导出新的 Excel 文件。
1. pandas 库简介
pandas 是 Python 数据分析领域最常用的第三方库之一，适合处理结构化数据，例如 Excel、CSV、数据库查询结果、日志表格等。它的优势主要有三点：
- 表格数据处理能力强：可以像操作 Excel 表一样操作行、列、筛选条件和统计字段。
- API 简洁：读取 Excel、分组统计、排序、缺失值处理通常只需要几行代码。
- 生态成熟：可以和
openpyxl、xlsxwriter、matplotlib、SQLAlchemy 等库配合，完成报表生成、图表绘制、数据库读写等工作。
安装 pandas 和 Excel 读取引擎：
pip install pandas openpyxl
其中：
pandas负责数据处理。openpyxl负责读取和写入.xlsx文件。
2. DataFrame 基本概念
pandas 中最核心的数据结构是 DataFrame。可以把它理解为 Python 里的“二维表格”：
- 每一行代表一条记录，例如一笔订单。
- 每一列代表一个字段，例如订单编号、地区、销售额。
- 行索引用来定位记录。
- 列名用来访问字段。
例如下面这张 Excel 表：
| 订单编号 | 日期 | 地区 | 产品 | 销售员 | 销售额 | 成本 | 状态 |
|---|---|---|---|---|---|---|---|
| SO2026001 | 2026-04-01 | 华东 | 笔记本电脑 | 张三 | 8500 | 6500 | 已完成 |
| SO2026002 | 2026-04-02 | 华南 | 显示器 | 李四 | 1800 | 1200 | 已完成 |
| SO2026003 | 2026-04-03 | 华北 | 打印机 | 王五 | 2600 | 1900 | 退款 |
读入 pandas 后，就是一个 DataFrame 对象。我们可以用代码完成筛选、计算利润、统计各地区销售额等操作。
3. 读取 Excel 文件
读取 Excel 最常用的是 pd.read_excel()：
import pandas as pd
df = pd.read_excel("sales_orders.xlsx", sheet_name="订单明细")
print(df.head())
print(df.info())
常用参数说明：
io：Excel 文件路径。sheet_name：工作表名称或索引，默认读取第一个工作表。usecols：指定读取哪些列，例如"A:H"或["订单编号", "地区", "销售额"]。dtype：指定字段类型，常用于订单编号、手机号等不能被当成数字处理的字段。parse_dates：指定日期列自动转成日期类型。
示例：
df = pd.read_excel(
"sales_orders.xlsx",
sheet_name="订单明细",
dtype={"订单编号": str},
parse_dates=["日期"]
)
4. 数据筛选
数据筛选是办公自动化中最常见的操作。pandas 使用布尔条件筛选行。
4.1 筛选已完成订单
completed_df = df[df["状态"] == "已完成"]
4.2 筛选销售额大于 5000 的订单
large_orders = df[df["销售额"] > 5000]
4.3 多条件筛选
筛选“华东地区且已完成”的订单：
east_completed = df[(df["地区"] == "华东") & (df["状态"] == "已完成")]
筛选“销售额大于 5000 或产品为笔记本电脑”的订单：
important_orders = df[(df["销售额"] > 5000) | (df["产品"] == "笔记本电脑")]
注意：多个条件之间要使用 &、|，每个条件都要用括号包起来。
5. 数据排序
排序使用 sort_values()。
5.1 按销售额从高到低排序
df_sorted = df.sort_values(by="销售额", ascending=False)
5.2 按地区和销售额排序
先按地区升序，再按销售额降序：
df_sorted = df.sort_values(
by=["地区", "销售额"],
ascending=[True, False]
)
排序后如果希望重置行号：
df_sorted = df_sorted.reset_index(drop=True)
6. 分组统计
分组统计是 pandas 最适合替代 Excel 透视表的能力之一，核心方法是 groupby()。
6.1 按地区统计销售额
region_summary = df.groupby("地区", as_index=False)["销售额"].sum()
结果类似：
| 地区 | 销售额 |
|---|---|
| 华东 | 35000 |
| 华南 | 28000 |
| 华北 | 19000 |
6.2 按地区统计销售额、成本和利润
先增加利润列：
df["利润"] = df["销售额"] - df["成本"]
再分组统计：
region_summary = df.groupby("地区", as_index=False).agg(
订单数=("订单编号", "count"),
销售额合计=("销售额", "sum"),
成本合计=("成本", "sum"),
利润合计=("利润", "sum")
)
6.3 按销售员统计业绩
seller_summary = df.groupby("销售员", as_index=False).agg(
订单数=("订单编号", "count"),
销售额合计=("销售额", "sum"),
平均客单价=("销售额", "mean")
)
为了让结果更适合阅读，可以按销售额排序：
seller_summary = seller_summary.sort_values(
by="销售额合计",
ascending=False
).reset_index(drop=True)
7. 缺失值处理
真实业务数据很少完全干净。Excel 中可能存在空单元格、空字符串、未填写状态、缺失成本等情况。
7.1 查看缺失值数量
print(df.isna().sum())
7.2 填充文本字段缺失值
例如销售员为空时填充为“未分配”：
df["销售员"] = df["销售员"].fillna("未分配")
7.3 填充数值字段缺失值
例如成本为空时填充为 0：
df["成本"] = df["成本"].fillna(0)
7.4 删除关键字段缺失的记录
如果订单编号或销售额缺失，这类数据通常不能参与统计，可以删除：
df = df.dropna(subset=["订单编号", "销售额"])
7.5 清理字符串空格
有些 Excel 数据看起来一样，实际包含前后空格，会影响分组统计：
text_columns = ["地区", "产品", "销售员", "状态"]
for col in text_columns:
df[col] = df[col].astype(str).str.strip()
8. 导出新的 Excel 文件
导出单个工作表：
df.to_excel("cleaned_sales_orders.xlsx", index=False)
如果要把“清洗后的明细”“地区统计”“销售员统计”写入同一个 Excel 文件，可以使用 ExcelWriter：
with pd.ExcelWriter("sales_analysis_report.xlsx", engine="openpyxl") as writer:
df.to_excel(writer, sheet_name="清洗后明细", index=False)
region_summary.to_excel(writer, sheet_name="地区统计", index=False)
seller_summary.to_excel(writer, sheet_name="销售员统计", index=False)
这样生成的 Excel 文件更适合作为日报、周报或月报附件。
9. 完整案例代码
下面给出一个完整脚本。它会：
- 读取销售订单 Excel。
- 清理缺失值和文本空格。
- 过滤掉退款订单。
- 计算利润和利润率。
- 生成地区统计、销售员统计、产品统计。
- 导出一个新的多工作表 Excel 分析报告。
from pathlib import Path
import pandas as pd
INPUT_FILE = Path("sales_orders.xlsx")
OUTPUT_FILE = Path("sales_analysis_report.xlsx")
def load_sales_data(file_path: Path) -> pd.DataFrame:
"""读取销售订单 Excel。"""
df = pd.read_excel(
file_path,
sheet_name="订单明细",
dtype={"订单编号": str},
parse_dates=["日期"]
)
return df
def clean_sales_data(df: pd.DataFrame) -> pd.DataFrame:
"""清洗销售订单数据。"""
df = df.copy()
required_columns = ["订单编号", "日期", "地区", "产品", "销售员", "销售额", "成本", "状态"]
missing_columns = [col for col in required_columns if col not in df.columns]
if missing_columns:
raise ValueError(f"Excel 缺少必要字段: {missing_columns}")
# 删除关键字段缺失的记录
df = df.dropna(subset=["订单编号", "销售额"])
# 文本字段去除前后空格，并填充业务默认值
text_columns = ["地区", "产品", "销售员", "状态"]
for col in text_columns:
df[col] = df[col].fillna("未填写").astype(str).str.strip()
# 数值字段转成数字，异常值转为 NaN 后再填充
df["销售额"] = pd.to_numeric(df["销售额"], errors="coerce")
df["成本"] = pd.to_numeric(df["成本"], errors="coerce")
df = df.dropna(subset=["销售额"])
df["成本"] = df["成本"].fillna(0)
# 日期字段统一转换
df["日期"] = pd.to_datetime(df["日期"], errors="coerce")
# 只统计已完成订单，排除退款、取消等状态
df = df[df["状态"] == "已完成"].copy()
# 增加业务分析字段
df["利润"] = df["销售额"] - df["成本"]
df["利润率"] = df["利润"] / df["销售额"]
return df.reset_index(drop=True)
def build_summary(df: pd.DataFrame) -> tuple[pd.DataFrame, pd.DataFrame, pd.DataFrame]:
"""生成地区、销售员和产品三个维度的统计表。"""
region_summary = df.groupby("地区", as_index=False).agg(
订单数=("订单编号", "count"),
销售额合计=("销售额", "sum"),
成本合计=("成本", "sum"),
利润合计=("利润", "sum"),
平均订单金额=("销售额", "mean")
)
region_summary["利润率"] = region_summary["利润合计"] / region_summary["销售额合计"]
region_summary = region_summary.sort_values("销售额合计", ascending=False)
seller_summary = df.groupby("销售员", as_index=False).agg(
订单数=("订单编号", "count"),
销售额合计=("销售额", "sum"),
利润合计=("利润", "sum"),
平均客单价=("销售额", "mean")
)
seller_summary = seller_summary.sort_values("销售额合计", ascending=False)
product_summary = df.groupby("产品", as_index=False).agg(
订单数=("订单编号", "count"),
销售额合计=("销售额", "sum"),
利润合计=("利润", "sum")
)
product_summary = product_summary.sort_values("销售额合计", ascending=False)
return (
region_summary.reset_index(drop=True),
seller_summary.reset_index(drop=True),
product_summary.reset_index(drop=True)
)
def export_report(
detail_df: pd.DataFrame,
region_summary: pd.DataFrame,
seller_summary: pd.DataFrame,
product_summary: pd.DataFrame,
output_file: Path
) -> None:
"""导出 Excel 分析报告。"""
with pd.ExcelWriter(output_file, engine="openpyxl") as writer:
detail_df.to_excel(writer, sheet_name="清洗后明细", index=False)
region_summary.to_excel(writer, sheet_name="地区统计", index=False)
seller_summary.to_excel(writer, sheet_name="销售员统计", index=False)
product_summary.to_excel(writer, sheet_name="产品统计", index=False)
def main() -> None:
raw_df = load_sales_data(INPUT_FILE)
cleaned_df = clean_sales_data(raw_df)
region_summary, seller_summary, product_summary = build_summary(cleaned_df)
export_report(cleaned_df, region_summary, seller_summary, product_summary, OUTPUT_FILE)
print(f"分析完成，已生成文件: {OUTPUT_FILE.resolve()}")
if __name__ == "__main__":
main()
10. 工作中的实际应用场景
Python + pandas 处理 Excel 的价值，不只是“少点几下鼠标”，更重要的是把重复、易错、依赖人工经验的流程标准化。
10.1 销售日报和月报
销售部门每天导出订单明细后，可以自动生成：
- 各地区销售额排名。
- 各销售员业绩排名。
- 产品销量和利润统计。
- 异常订单清单，例如退款、负利润、高折扣订单。
脚本每天跑一次，就能把报表结果稳定输出到固定目录。
10.2 财务对账
财务经常需要比对订单系统、支付平台和发票系统的数据。pandas 可以用订单号、流水号等字段做合并和差异检查，自动找出：
- 系统有订单但支付平台无流水的数据。
- 支付成功但未开票的数据。
- 金额不一致的数据。
- 重复入账的数据。
10.3 人事考勤统计
考勤机导出的 Excel 通常字段多、格式不统一。通过 pandas 可以清理日期、员工编号、部门名称，再统计：
- 迟到次数。
- 缺卡次数。
- 加班时长。
- 部门出勤率。
10.4 库存和采购分析
对于库存台账，可以用 pandas 统计：
- 各仓库库存数量。
- 低库存预警清单。
- 高周转和低周转商品。
- 采购金额和供应商占比。
10.5 批量数据质检
当 Excel 是业务系统导入前的模板时，可以先用 pandas 做校验：
- 必填字段是否为空。
- 身份证号、手机号、邮箱格式是否正确。
- 金额字段是否为负数。
- 枚举字段是否超出允许范围。
发现问题后，把异常数据单独导出给业务人员修改，比导入系统后再报错更高效。
11. 实战建议
在真实项目中使用 pandas 处理 Excel，可以遵循下面几条经验：
- 先明确输入字段和输出结果，不要一边写代码一边猜业务规则。
- 对关键字段做校验，例如订单编号、日期、金额、状态。
- 清洗数据时尽量保留原始文件，不要直接覆盖源 Excel。
- 中间结果拆成多个函数，方便后续维护和复用。
- 导出报告时使用多个工作表，让明细和统计结果分开。
总结
pandas 非常适合 Python 办公自动化方向的 Excel 数据分析任务。它既能完成基础的读取、筛选、排序、缺失值处理，也能像 Excel 透视表一样做分组统计，还可以把清洗后的明细和统计结果导出为新的 Excel 报告。
当你的工作中出现“每天都要处理类似 Excel”“人工筛选容易出错”“统计口径需要固定下来”这类需求时，就很适合用 pandas 写成自动化脚本。这样不仅能提高效率，也能让数据处理过程更透明、更可复用。
以上就是基于Python+pandas实现Excel数据统计分析自动化完整指南的详细内容，更多关于Python Excel数据统计分析自动化的资料请关注脚本之家其它相关文章！