【Python进阶】自动化办公超能力：利用Python自动化Excel、Word任务

1、Python支持办公自动化的关键库介绍

import pandas as pd
# 加载数据
df = pd.read_csv('data.csv')
# 对数据进行清洗和分析
df_cleaned = df.dropna()  # 删除缺失值
grouped_data = df_cleaned.groupby('category').sum()  # 按类别进行分组求和

openpyxl, xlrd, xlwt, xlsxwriter: 这些库让Python可以直接读写Excel文件，包括但不限于创建新的工作簿、读取已有数据、修改单元格内容、设置样式以及生成图表等。

from openpyxl import Workbook
wb = Workbook()
ws = wb.active
ws['A1'] = 'Hello'
ws['B1'] = 'World'
wb.save('example.xlsx')  # 保存新的Excel文件

python-docx: 该库使Python可以轻松操作Word文档，创建、编辑和格式化文档内容，甚至结合数据动态生成各类报告。

from docx import Document
doc = Document()
new_paragraph = doc.add_paragraph('这是用Python自动生成的段落内容')
doc.save('example.docx')  # 保存新创建的Word文档

2、ython自动化Excel任务

2.1 Excel基础操作自动化

2.1.1 创建、读取和写入Excel表格

Python中通过openpyxl、xlrd、xlwt和xlsxwriter等库可以方便地对Excel文件进行操作。例如，你可以用以下代码创建一个新的Excel工作簿并写入数据：

import openpyxl

# 创建一个新的Excel工作簿
wb = openpyxl.Workbook()
sheet = wb.active

# 向第一个单元格写入数据
sheet['A1'] = '姓名'
sheet['B1'] = '年龄'

# 写入一行具体数据
sheet['A2'] = '张三'
sheet['B2'] = 25

# 保存工作簿
wb.save('example.xlsx')

2.1.2 数据清洗与格式转换

在处理Excel数据时，数据清洗是一项至关重要的任务。使用pandas库可以轻松实现数据清洗与格式转换：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('input.xlsx')

# 清洗数据：删除空值、转换列数据类型等
df = df.dropna()  # 删除含有空值的行
df['入职日期'] = pd.to_datetime(df['入职日期'])  # 将字符串转换为日期类型

# 格式化输出到Excel
df.to_excel('output.xlsx', index=False)

2.1.3 图表生成与数据分析

Python还可以帮助我们直接在程序中生成图表，并将其嵌入Excel文件中。以下是一个使用openpyxl生成柱状图的例子：

from openpyxl.chart import BarChart, Reference
from openpyxl.drawing.image import Image

# 假设已有数据在excel中
worksheet = wb['Sheet1']
chart = BarChart()
data = Reference(worksheet, min_col=1, min_row=1, max_col=2, max_row=10)
categories = Reference(worksheet, min_col=1, min_row=2, max_row=10)
chart.add_data(data, titles_from_data=True)
chart.set_categories(categories)

# 添加图表至worksheet
worksheet.add_chart(chart, 'D1')

# 保存工作簿，现在其中包含了图表
wb.save('report_with_chart.xlsx')

2.2 高级Excel自动化实例

2.2.1 大规模数据批量处理

对于大规模数据集，可以利用pandas的强大功能进行批处理。比如，假设有一个包含数百万条记录的大数据文件，通过以下代码可以快速筛选和聚合数据：

# 读取大型Excel文件
chunksize = 10 ** 5
for chunk in pd.read_excel('large_dataset.xlsx', chunksize