Python 实现自动化 Excel 报表 |
您所在的位置：网站首页 › python处理excel数据自动化报表 › Python 实现自动化 Excel 报表 |
Python 实现自动化 Excel 报表
|
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
当然是测试用的假数据啦.
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', '巅峰版哦', 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! |
【本文地址】
今日新闻 |
推荐新闻 |