Python 实现自动化Excel报表的步骤

 更新时间:2021年04月01日 15:19:05   作者:致于数据科学家的小陈  
这篇文章主要介绍了Python 实现自动化Excel报表的步骤,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下

好几个月没有写笔记了, 并非没有积累, 而是有点懒了. 想想还是要续上, 作为工作成长的一部分哦.

最近有做一些报表, 但一直找不到一个合适的报表工具, 又实在不想写前端, 后端... 思来想去, 感觉 Excel 就一定程度上能做可视化的, 除了不能动态交互外, 其他都挺好. 今天分享的就是一个关于如何用 Py 来自动化Excel 报表, 解放双手, 提高工作效率哦.

总体解决方案

输出报表

当然是测试用的假数据啦.

自动化Py脚本

基本思路:
1. 准备模板数据需要的 SQL
2. 用 Pandas 连接 数据库 并执行 SQL, 返回 DataFrame
3. 用 Xlwings 直接打开 Excel, 并将这些 DataFrame 填充到 写死的 单元格
4. 保存并退出

具体代码如下哦:

import pandas as pd 
import xlwings as xw
import pymssql


# 各品类月同期 
def get_last_year_sale(start_date, end_date):
  """各品类同期销量, 对比19年"""
  sql_01 = f"""
  SELECT 
   品类
   , SUM(数量) AS QTY
  FROM XXX
  WHERE 是否电商 = 1 
   AND 销售时间 BETWEEN DATEADD(YEAR, -2, '{start_date}') AND DATEADD(YEAR, -2, '{end_date}')   
  GROUP BY 品类
  """
  df = pd.read_sql(sql_01, con=con)
  df_xtc = df[df['品类'] == 'A品类'][['品类', 'QTY']]
  df_bbk = df[df['品类'] == 'B品类'][['品类', 'QTY']]
  return df_xtc, df_bbk 
  
def get_anget_sale(start_date, end_date):
    """返回各品类, 各区域的时间段销量"""
    sql = f"""
    SELECT 
     品类
     , AGENT
     , SUM(数量) AS QTY
     , ROW_NUMBER()OVER(PARTITION BY 品类 ORDER BY SUM(数量) DESC) MY_RANK
    FROM XXX
    WHERE 是否电商 = 1 
     AND 销售时间 BETWEEN '{start_date}' AND '{end_date}'
    GROUP BY AGENT, 品类
    """
    df = pd.read_sql(sql, con=con)
    df_xtc = df[df['品类'] == 'A品类'][['AGENT', 'QTY']]
    df_bbk = df[df['品类'] == 'B品类'][['AGENT', 'QTY']]
    df_pad = df[df['品类'] == 'C品类'][['AGENT', 'QTY']]

    return df_xtc, df_bbk, df_pad 
  
def get_machine_sale(start_date, end_date):
  """返回各品类, 各区域的时间段销量"""
  sql = f"""
  SELECT 
   品类
   , 机型
   , SUM(数量) AS QTY
   , ROW_NUMBER()OVER(PARTITION BY 品类 ORDER BY SUM(数量) DESC) MY_RANK
  FROM V_REALSALE
  WHERE 是否电商 = 1 
   AND 销售时间 BETWEEN '{start_date}' AND '{end_date}'
  GROUP BY 机型, 品类
  """
  df = pd.read_sql(sql, con=con)
  df_xtc = df[df['品类'] == 'A品类'][['机型', 'QTY']]
  df_bbk = df[df['品类'] == 'B品类'][['机型', 'QTY']]

  return df_xtc, df_bbk 


# main 
con = pymssql.connect('xxxxx', 'sxxx', 'xxxxxx', 'xxxxx')

# 基础配置: 根据用户输入当前日期, 输出当月, 当季度第一天 
print("欢迎哦, 此小程序专门为XX看板做数据自动更新呢~")
print()

today = input("请输入截止日期(昨天), 形如: 2021/5/20 按回车结束:  ")

if len(today.split('/')) != 3:
  raise "日期格式输入错误!!, 请按照形如 '2021/5/20'的格式重新输入"
else:
  m_cur = today.split('/')[1]
  m_first_day = '2021/' + m_cur + '/1'

# 季度第一天 
if m_cur in ('1', '01', '2', '02', '3', '03'):
  q_time_start = '2021/1/1'
  
elif m_cur in ('4', '04', '5', '05', '6', '06'):
  q_time_start = '2021/4/1'
  
elif m_cur in ('7', '07', '8', '08', '9', '09'):
  q_time_start = '2021/7/1'
else:
  q_time_start = '2021/10/1'

print()
print("正在开始更新....")
print("提示, 接下看到闪退, 是正常现象, 就程序模拟人去打开文件, 填充数据, 不要紧张哦~~~")

# 去年月, 季度同期 
df_mm_xtc, df_mm_bbk = get_last_year_sale(m_first_day, today)
df_qq_xtc, df_qq_bbk = get_last_year_sale(q_time_start, today)

# 当月各地区累积销量
df_m_xtc, df_m_bbk, df_m_pad = get_anget_sale(m_first_day, today)

# 各地区当季度销量 
df_q_xtc, df_q_bbk, df_q_pad = get_anget_sale(q_time_start, today)

# 各机型当季度销量 
df_q_type_xtc, df_q_type_bbk = get_machine_sale(q_time_start, today) 
# 过滤掉 销量为0的型号 
df_q_type_xtc = df_q_type_xtc[df_q_type_xtc.QTY > 0]
df_q_type_xtc.replace('Z6áÛ·å°æ', 'Z6巅峰版', inplace=True)

df_q_type_bbk = df_q_type_bbk[df_q_type_bbk.QTY > 0]

# 打开excel 模板 等待数据填充 
app = xw.App(visible=True, add_book=False)

app.display_alerts = False  # 关闭一些提示信息,可以加快运行速度。 默认为 True。
app.screen_updating = True

wb = app.books.open("XXX_全品类_看板.xlsx")
data_sht = wb.sheets['数据']

# 19年当月同期销量
data_sht.range('B9').value = df_mm_xtc.values
data_sht.range('G9').value = df_mm_bbk.values

# 当季度同比
data_sht.range('B10').value = df_qq_xtc.values
data_sht.range('G10').value = df_qq_bbk.values

# 填充各品类当月销量, 注意单元格是写死的哦
data_sht.range('I72').value = df_m_xtc.values
data_sht.range('T72').value = df_m_bbk.values
data_sht.range('AE72').value = df_m_pad.values

# 填充当季度销量, 同理是写死的
data_sht.range('A54').value = df_q_xtc.values
data_sht.range('F54').value = df_q_bbk.values
data_sht.range('K54').value = df_q_pad.values

# 填充当季度各型号, 同理是写死的
data_sht.range('A21').value = df_q_type_xtc.values
data_sht.range('F21').value = df_q_type_bbk.values

wb.save()
app.quit()

print()
print("~~更新结束了哦~~")
print()
input("请按任意键退出~~")
print()
print('BYE~~ 人生若只如初见呢~~')

打包 EXE 桌面小程序

最好用一个纯净的 虚拟环境打包.

终端命令: python -m venv 虚拟环境名称

然后进入脚本目录下, 进行打包哦.

pyinstaller main.py -F

打包成功后的样子.

双击运行即可哦.

这时候再重新打开该目录下的 Excel 模板, 发现数据已经自动更新了.

我现在真的感受到, 用开发的思维做一些脚本工具, 真的会极大提高我现在当文员的很多重复性工作哦!

以上就是Python 实现自动化Excel报表的步骤的详细内容,更多关于python 自动化Excel报表的资料请关注脚本之家其它相关文章!

相关文章

  • 使用Python实现不同需求的排行榜功能

    使用Python实现不同需求的排行榜功能

    这篇文章主要为大家介绍了Python实现不同需求的排行榜功能,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2024-01-01
  • softmax及python实现过程解析

    softmax及python实现过程解析

    这篇文章主要介绍了softmax及python实现过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-09-09
  • numpy.insert()的具体使用方法

    numpy.insert()的具体使用方法

    本文主要介绍了numpy.insert()的具体使用方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2023-02-02
  • Python使用pyserial进行串口通信的实例

    Python使用pyserial进行串口通信的实例

    今天小编就为大家分享一篇Python使用pyserial进行串口通信的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • python内建类型与标准类型

    python内建类型与标准类型

    这篇文章主要介绍了python内建类型与标准类型,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下
    2022-08-08
  • python matplotlib绘画十一种常见数据分析图

    python matplotlib绘画十一种常见数据分析图

    这篇文章主要介绍了python matplotlib绘画十一种常见数据分析图,文章主要绘制折线图、散点图、直方图、饼图等需要的小伙伴可以参考一下文章具体内容
    2022-06-06
  • 使用python实现数据筛查

    使用python实现数据筛查

    一般数据筛查可以通过Python中的pandas库来实现,下面小编就来为大家介绍一下Python如何利用pandas实现数据筛查,感兴趣的小伙伴可以一起学习一下
    2023-10-10
  • Python实现批量将MP3音频转为WAV格式详解

    Python实现批量将MP3音频转为WAV格式详解

    这篇文章主要介绍了通过Python实现将MP3音频转为WAV格式的方法,文中的示例代码讲解详细,对我们学习Python有一定帮助,感兴趣的可以了解一下
    2021-12-12
  • Pytorch BertModel的使用说明

    Pytorch BertModel的使用说明

    这篇文章主要介绍了Pytorch BertModel的使用说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-03-03
  • Python控制线程和函数超时处理

    Python控制线程和函数超时处理

    这篇文章主要介绍了Python控制线程和函数超时处理,文中利用两种方法进行eventlet库和@func_set_timeout修饰器,文章具体详细介绍,需要的小伙伴可以参考一下
    2022-06-06

最新评论