没有转义的Excel！
Excel无处不在，即使我们使用了Python之类强大的辅助工具，依然无法摆脱Excel。
因为你的老板和同事仍然需要方便的方法来访问重要数据。
但是，这并不意味着你不能通过使用Python简化使用Excel的工作，而这整个过程都不需要你触碰Excel！
使用Python自动化Excel报表
你还在每天做着没完没了的Excel报表吗？你还在为不同的客户做着相同的事情吗？
让Python帮你！
我们来实现Excel报表的自动化
让我们快速看一下我们将要自动化的东西！我们将使用以下链接中Pandas数据透视表中的数据：
/a-step-by-step-guide-to-pandas-pivot-tables-e0641d0c6c70
数据格式需要与客户公司数据库中获得的数据格式相匹配。
我们按区域细分该数据，并创建两个汇总表，包括格式和图表，这些动作都不需要打开Excel！
数据可视化最终形式：从一个工作表到四个可视化报表
加载数据库
在这里，我们将使用Pandas和Openpyxl。如果你不知道Openpyxl，建议先找官方文档进行学习。我们将使用Python自动化3个Excel任务！
# 第1部分-加载我们的库import pandas as pdfrom openpyxl import load_workbookfrom openpyxl.styles import Fontfrom openpyxl.chart import BarChart, Reference
我们将使用两个库：Pandas负责转换我们的数据并创建最初的Excel文件Openpyxl格式化我们的工作表并插入图表
加载数据
让我们加载数据并快速查看我们正在使用的数据！
正如我所提到的，数据的含义类似于你从公司数据库系统中获得的数据。#第2部分-加载我们的数据df = pd.read_excel('/datagy/pivot_table_pandas/raw/master/sample_pivot.xlsx', parse_dates=['Date'])print(df.head())# Date Region Type Units Sales#0 -07-11 East Children's Clothing 18.0 306#1 -09-23 North Children's Clothing 14.0 448#2 -04-02 South Women's Clothing 17.0 425#3 -02-28 East Children's Clothing 26.0 832#4 -03-19 West Women's Clothing 3.0 33
在这里，我们使用pandas读取一个Excel文件，将日期列解析为日期。
创建数据透视表
让我们创建最终报告中需要的汇总表。
# 第3部分-测试数据透视表filtered = df[df['Region'] == 'East']quarterly_sales = pd.pivot_table(filtered, index = filtered['Date'].dt.quarter, columns = 'Type', values = 'Sales', aggfunc='sum')print('Quarterly Sales Pivot Table:')print(quarterly_sales.head())#季度销售数据透视表:#Type Children's Clothing Men's Clothing Women's Clothing#Date #1 12274 13293 16729#2 5496 17817 22384#3 14463 9622 15065#4 13616 10953 16051
创建第一个Excel文件
有了透视表，现在我们将其加载到一个Excel文件中。
我们将使用pandas加载该Excel文俊：# 第04部分-创建和Excel工作簿file_path = #Path to where you want your file savedquarterly_sales.to_excel(file_path, sheet_name = 'Quarterly Sales', startrow=3)
让我们快速了解一下我们在做什么：创建一个文件路径变量来标识我们要将文件存储在何处使用ExcelWriter保存文件将两个数据透视表都保存到单独的工作表中，从第3行开始(稍后从头开始使用)
让我们的报表更漂亮
Pandas有助于将数据转换为Excel。接下来，让我们把表格再美化一下，并添加一些可视化效果。
# 第05部分-加载工作簿wb = load_workbook(file_path)sheet1 = wb['Quarterly Sales']# 第06部分-格式化第一页sheet1['A1'] = 'Quarterly Sales'sheet1['A2'] = 'datagy.io'sheet1['A4'] = 'Quarter'sheet1['A1'].style = 'Title'sheet1['A2'].style = 'Headline 2'for i in range(5, 9): sheet1[f'B{i}'].style='Currency' sheet1[f'C{i}'].style='Currency' sheet1[f'D{i}'].style='Currency'# 第07部分-添加条形图bar_chart = BarChart()data = Reference(sheet1, min_col=2, max_col=4, min_row=4, max_row=8)categories = Reference(sheet1, min_col=1, max_col=1, min_row=5, max_row=8)bar_chart.add_data(data, titles_from_data=True)bar_chart.set_categories(categories)sheet1.add_chart(bar_chart, 'F4')bar_chart.title = 'Sales by Type'bar_chart.style = 3wb.save(filename = file_path)
这段代码里包含了很多内容，下面来给大家详细讲解！
在第5部分中，我们将工作簿和工作表加载到Openpyxl可以处理的单独对象中。
第6部分还有更多内容：在单元格A1和A2中为sheet1添加标题和副标题。更改了四分之一列的标题，以更好地反映数据。将样式应用于标题和副标题。将金融领域的单元格更改为货币。 这需要一次应用于一个单元， 这就是为什么我们使用for循环的原因。
在第7部分中，我们添加了条形图：创建一个BarChart对象，并标识存储数据和类别的字段。然后将数据和类别应用于对象。最后，我们添加一个描述性的标题和样式。Openpyxl使用多种样式-尝试所有样式！
这是我们的工作表现在的样子：
我们的工作成果之一
为多个表格自动化此工作流程
只处理表格中的一部分不是我们高效工作的宗旨，让我们对所有带有for循环的区域执行此操作。# 第08部分-获取地区名称regions = list(df['Region'].unique())# 第09部分-所有区域的循环folder_path = #插入要保存报表的文件夹的路径for region in regions: filtered = df[df['Region'] == f'{region}'] quarterly_sales = pd.pivot_table(filtered, index = filtered['Date'].dt.quarter, columns = 'Type', values = 'Sales', aggfunc='sum') file_path = f'{path to your folder}{region}.xlsx' quarterly_sales.to_excel(file_path, sheet_name = 'Quarterly Sales', startrow=3) wb = load_workbook(file_path) sheet1 = wb['Quarterly Sales'] sheet1['A1'] = 'Quarterly Sales' sheet1['A2'] = 'datagy.io' sheet1['A4'] = 'Quarter' sheet1['A1'].style = 'Title' sheet1['A2'].style = 'Headline 2' for i in range(5, 10): sheet1[f'B{i}'].style='Currency' sheet1[f'C{i}'].style='Currency' sheet1[f'D{i}'].style='Currency' bar_chart = BarChart() data = Reference(sheet1, min_col=2, max_col=4, min_row=4, max_row=8) categories = Reference(sheet1, min_col=1, max_col=1, min_row=5, max_row=8) bar_chart.add_data(data, titles_from_data=True) bar_chart.set_categories(categories) sheet1.add_chart(bar_chart, 'F4') bar_chart.title = 'Sales by Type' bar_chart.style = 3
我们来仔细分析这一部分的代码：
在第8部分中，我们创建一个列表，其中包含我们要覆盖的不同区域的所有唯一值。
在第9部分中，我们在for循环中重复前面的代码：创建了一个新变量，该变量保存要保存文件的文件夹的路径。使用f字符串将区域名插入到脚本中，使其对每个区域都是动态的。
接下来是什么？
Python的好处在于可重复执行任务的可伸缩性。
你可以想象一下，利用以上步骤，快速创建报表， 每天能节省多少时间？
结论
在这个简短的教程中我们学到了很多东西！ 我们将表格转换为一组数据透视表，将它们导出到单独的工作簿中，然后将格式和图形应用于每个工作表格！
