🚀 直接说方案。很多人一听到Excel自动化就以为要学VBA，其实Python早就是更通用、更好维护的选择。与其手动复制粘贴到天黑，不如用几行脚本把重复劳动一次清空。这篇教程会给你一条能直接落地的路线，不讲虚的，也不搞无聊的理论堆砌。

🎯 目标很明确：用Python处理Excel里最常见的几类麻烦事——多表合并、数据清洗、按条件拆分、自动汇总、消息推送。学完你就能把过去一小时的工作压缩到一分钟，把省下来的时间留给更有价值的事。

先说自己跑了三年的结论：pandas + openpyxl 是处理Excel最稳的组合，不需要装数据库，不需要服务器，一台普通办公电脑就能跑。安装环境只需一条命令，也不需要申请公司权限，本机装好就能开工。哪怕你之前没写过Python，照着下面的命令执行也能出结果。

⚡ 打开终端，先执行：pip install pandas openpyxl requests。如果你的电脑同时装了Python 2和Python 3，记得把pip改成pip3。装完可以先输入python -c “import pandas”验证一下，不报错就是成功。如果提示No module named pandas，说明安装时用的pip和当前python版本不对应，换python -m pip install pandas再试一次。

📊 第一个案例，合并多个Excel文件。假设你有销售一部、销售二部、销售三部的月度报表，字段完全一样，希望合并成一张总表。手动做法是开三个文件复制粘贴，不仅容易漏数据，还要反复核对sheet名。自动化的写法是这样的：

python -c “import pandas as pd, glob; df=pd.concat([pd.read_excel(f) for f in glob.glob(‘*.xlsx’)], ignore_index=True); df.to_excel(‘merged.xlsx’, index=False)”

把这行命令放在存放报表的文件夹里运行，几秒钟就生成merged.xlsx。不用管里面有多少个文件，只要都是xlsx格式就能全部合并。这里的关键点是glob.glob按文件名做通配扫描，pandas负责读取和拼接，最后用to_excel输出结果。如果你希望严格按文件名字母顺序合并，可以先对glob.glob返回的列表做一次sorted()，这样顺序更可控。

✅ 合并完必须做一次检查：打开生成文件，确认总行数等于各分表行数之和。数据无小事，跑完命令不看结果等于白做。要是发现列顺序不对，可以在合并前用df = df[[‘姓名’,’部门’,’金额’]]这种写法固定列顺序；要是发现某些表格里有多余的空行，可以先调用df.dropna(how=’all’)清一遍。把检查步骤固化下来，下次跑完脚本直接抽查，就不容易出错。

第二个案例是数据清洗。Excel里最常见的问题是重复行、空值和格式混乱。手动删重复项容易漏，而且下一次还会遇到。用脚本判断条件更可靠，比如去掉姓名重复的记录：

python -c “import pandas as pd; df=pd.read_excel(‘data.xlsx’); df.drop_duplicates(subset=[‘姓名’], inplace=True); df.to_excel(‘data_clean.xlsx’, index=False)”

如果还要去除“金额”列小于等于0的行，可以再接一句df=df[df[‘金额’]>0]。清洗逻辑一旦用代码写死，以后每周拿到新数据都执行同一段代码，结果就能稳定复现。不要小看这条经验，很多Excel自动化翻车都是因为每次手工加了一步“顺手操作”，代码却不知道。写清脚本之后，你甚至可以要求同事直接导出原始文件给你，剩下的事情交给程序。

🚀 第三个案例：按条件拆分总表。很多公司需要把总表拆成每个销售负责一份，再单独发出去。人手操作极易漏，而且每次人员范围变化都要重新整理。用Python一行完成拆分：

python -c “import pandas as pd; df=pd.read_excel(‘total.xlsx’); [g.to_excel(n + ‘.xlsx’, index=False) for n,g in df.groupby(‘负责人’)]”

这里groupby(‘负责人’)会按负责人这一列自动分组，每个人的数据单独存成一张表。跑完以后，文件夹里就会出现“张三.xlsx”“李四.xlsx”这一类的文件。注意：终端里执行这行命令时，如果外层用了双引号，内层请保持一致的单引号风格；如果外层用了单引号，内层改成双引号，避免系统误解析。

如果你不习惯一行命令，也可以把逻辑保存成单独的Python脚本：import pandas as pd，然后df = pd.read_excel(‘total.xlsx’)，再用for name, group in df.groupby(‘负责人’)循环，把group写入name+’.xlsx’。这样结构更清楚，也方便加日志和异常处理。

⚡ 拆分前先核对一下分组名单，别把离职和在职混在一起。真正的工程意识不是代码炫技，而是跑之前先看输入数据是否干净、字段名是否完全一致，跑完后再抽查两个文件确认没丢行。如果字段名里有多余空格，记得先df.columns = df.columns.str.strip()。组名里如果含有斜杠或特殊字符，写入文件名前要先替换成下划线，否则会报错。

📊 第四个项目适合发给领导：自动汇总日报。假设你每天要整理各部门的完成率、营收、新增客户数，与其打开Excel做透视表，再拉格式，不如让Python直接算好并写一个新sheet：

python -c “import pandas as pd; df=pd.read_excel(‘today.xlsx’); s=df.groupby(‘部门’)[‘成交额’].sum(); s.to_excel(‘daily_summary.xlsx’)”

上面这段只是核心逻辑。如果还想要各部门人数、平均单量，可以同时加上agg函数：df.groupby(‘部门’).agg({‘成交额’:’sum’,’客户数’:’sum’,’订单数’:’mean’})。这样就能生成一张多维度的汇总表，后面再交给Excel生成图表也行。如果你想把多个sheet放进同一个工作簿，可以用pd.ExcelWriter，把每个sheet分别to_excel，最后保存成一个文件。

🎯 最后加一个很多人每天都用得上的进阶用法：把汇总结果直接推送到钉钉或微信群。用requests库发送一个webhook消息即可。注意不要把webhook地址写进公开文档里，也不要提交到git仓库。示例框架：

python -c “import requests; requests.post(‘你的webhook地址’, json={‘msgtype’:’text’,’text’:{‘content’:’今日汇总已生成’}})”

这个案例要和上面的汇总脚本组合使用时，请先在本地测试webhook能否收到消息，再放入定时任务。宁可多测一次，也别在全员群里发错。群里如果同时接入开发机器人和正式机器人，建议用不同关键词区分。

💡 如果这些脚本用的频率较高，建议直接建一个tools文件夹，把py脚本统一放进去，再给桌面做一个快捷方式。每次双击运行后自动把生成的xlsx放到带日期的文件夹里，再顺手发一份到群里。这种“伪软件”式的工作流非常适合个人提效。实际运行中你还可以加一个try except，把报错信息写入log.txt，方便事后排查。

✅ 这份方案适合真正想解决重复劳动的人。如果你刚接触AI办公自动化，建议先拿副本文件试跑，不要直接在正式数据上做实验。第一次报错很正常，打开错误提示看它指向哪一行，基本就是字段名写错或文件路径不对，修完就好。更多关于AI辅助写作和工具链的内容，可以看看这篇AI写作教程基础，里面讲的人机协作方法同样适合Python办公自动化。另外，学自动化脚本时最好带着真实问题去练，就像AI编程工具在线使用指南里说的那样：有目标地干，才叫提效。

🏁 直接收尾：Excel自动化不是玄学，核心就是“读文件—处理数据—写文件”三步，最多再加一个“推送结果”。用上面这些案例覆盖掉表格合并、清洗、拆分、汇总和通知，你可以先把今天的重复工作减掉百分之八十。剩下的问题欢迎你拿着样例数据继续试，一次不行就调整字段名，再不行就查报错，搞不定就换方案，总比用人力硬扛强。记住，能自动化的事不要手动做，手动做的事一定要留痕。