Python 自动化办公三招：让 Excel 处理效率提升十倍的实战小技巧

在日常办公中，很多人每周都要花大量时间处理 Excel 表格：合并多个文件、清洗数据、生成报表。其实只要掌握三招 Python 自动化技巧，这些重复工作可以在几秒钟内完成。本文结合实战经验，分享三个最常用的 Excel 自动化场景。

第一招：用 pandas 批量合并多个 Excel 文件。

很多同事每周都会收到十几个部门上报的表格，手动复制粘贴不仅慢，还容易出错。用 pandas 只需要十几行代码：遍历指定文件夹下所有 .xlsx 文件，依次读取后用 pd.concat 拼接成一个 DataFrame，最后导出为汇总表。关键是要统一列名和数据类型，建议在读取时指定 dtype={'工号': str}，避免长数字变成科学计数法。

第二招：用 openpyxl 批量设置格式。

合并完数据后，经常需要调整列宽、设置表头颜色、加边框。openpyxl 可以像操作 Excel 一样用代码完成这些操作。例如遍历 ws.iter_rows 给数据区域加细边框，用 PatternFill 给表头填充蓝色背景，再用 column_dimensions 设置自适应列宽。配合 if 判断，可以对超过阈值的单元格自动标红，实现条件格式的定制化。

第三招：用 xlwings 与现有模板结合。

如果公司已经有固定的报表模板，直接用 openpyxl 写入容易破坏模板格式。这时 xlwings 是更好的选择——它本质上是调用本地 Excel 进程，能完美保留模板的公式、图表和透视表。打开模板后，在指定位置填入数据，再另存为新文件即可。注意 xlwings 只支持 Windows 且需要安装桌面版 Excel，适合在公司办公电脑上使用。

实践建议：

1. 先用少量测试数据跑通脚本，确认无误后再批量处理。
2. 处理前一定要备份原始文件，脚本出错也不会丢数据。
3. 把常用脚本保存成模板，下次改改路径就能直接用。
4. 遇到公式问题时，先用 openpyxl 的 data_only=True 读取缓存值排查。

这三招覆盖了绝大多数 Excel 日常自动化场景。不需要精通 Python，只要能照着例子改路径和列名，就能把每周几小时的重复工作压缩到几秒钟。从今天开始，试着把手头最繁琐的那个表格交给 Python 处理吧。