当前位置：首页 > news >正文

Python实用技巧：批量处理Excel数据并生成销售报表（含实战案例）

news 2025/11/5 7:07:19

1️⃣ 摘要

在这里插入图片描述

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

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

# 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

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

import matplotlib.pyplot as pltplt.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。
在这里插入图片描述

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：

# 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

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

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：

from fpdf import FPDFpdf = 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