影刀RPA进阶教程_Excel高级操作透视表自动化生成与多Sheet汇总-平芜编程栈

影刀RPA进阶教程：Excel高级操作——透视表自动化生成与多Sheet汇总

上一批讲影刀RPA与Excel的基础读写。但日常办公中，最高频的两个Excel需求是：数据透视表自动生成和多Sheet汇总。

这两个需求手动操作很繁琐——每周打开Excel、刷新透视表、多个Sheet一个个复制粘贴。用影刀RPA配合Python，几秒搞定。

Excel操作的技术路线选择

影刀RPA操作Excel有两条路线：

路线	工具	优点	缺点
内置指令	影刀的"Excel"分类指令	不需要代码，拖拽即可	功能有限，不支持透视表
Python	openpyxl + pandas	功能强大，可以做任何操作	需要写Python代码

本文推荐：日常读写用影刀内置指令（简单直观），透视表和复杂汇总用Python代码块。

店群矩阵自动化突破运营极限！

透视表自动生成

每周都要做的销售数据分析，手动操作：打开Excel → 插入透视表 → 设置行列值 → 调整格式。用pandas的pivot_table一次性搞定：

importpandasaspdfromopenpyxlimportWorkbookfromopenpyxl.utils.dataframeimportdataframe_to_rows# 1. 读取原始数据df=pd.read_excel(r'C:\数据\销售明细.xlsx')# 2. 创建透视表pivot=pd.pivot_table(df,values='销售额',# 汇总值index=['日期','商品类目'],# 行columns=['平台'],# 列aggfunc='sum',# 汇总方式fill_value=0# 空值填0)# 3. 写入新Excel，保留样式pivot.to_excel(r'C:\数据\销售透视表.xlsx')

常用汇总方式：

sum：求和（销售额汇总）
count：计数（订单数统计）
mean：平均值（客单价分析）
max/min：最大/最小值

生成多个透视表到一个工作簿

# 一个动作为不同维度生成多张报表withpd.ExcelWriter(r'C:\数据\销售分析报告.xlsx',engine='openpyxl')aswriter:# 透视表1：按商品类目汇总pivot1=pd.pivot_table(df,values='销售额',index='商品类目',aggfunc='sum')pivot1.to_excel(writer,sheet_name='类目汇总')# 透视表2：按日期趋势pivot2=pd.pivot_table(df,values='销售额',index='日期',aggfunc='sum')pivot2.to_excel(writer,sheet_name='日期趋势')# 透视表3：平台对比pivot3=pd.pivot_table(df,values='销售额',index='商品类目',columns='平台',aggfunc='sum')pivot3.to_excel(writer,sheet_name='平台对比')

注意：需要安装openpyxl和pandas模块。影刀设置→Python模块→分别搜索安装。

多Sheet汇总

电商运营经常遇到：每天一个Sheet，月底要合并成一个总表。

汇总同一工作簿的多个Sheet

importpandasaspd file_path=r'C:\数据\每日数据.xlsx'# 读取所有Sheet名excel_file=pd.ExcelFile(file_path)sheet_names=excel_file.sheet_names# 逐个读取并合并all_data=[]forsheet_nameinsheet_names:df=pd.read_excel(file_path,sheet_name=sheet_name)df['来源Sheet']=sheet_name# 标记数据来源all_data.append(df)# 合并并保存result=pd.concat(all_data,ignore_index=True)result.to_excel(r'C:\数据\月度汇总.xlsx',index=False)

汇总多个Excel文件

temu店群自动化报活动案例

importosimportpandasaspd folder=r'C:\数据\日报文件'all_data=[]forfilenameinos.listdir(folder):iffilename.endswith('.xlsx')andnotfilename.startswith('~'):# 跳过临时文件file_path=os.path.join(folder,filename)df=pd.read_excel(file_path)df['来源文件']=filename all_data.append(df)result=pd.concat(all_data,ignore_index=True)# 去重（按"订单号"去重，保留第一条）result=result.drop_duplicates(subset=['订单号'],keep='first')result.to_excel(r'C:\数据\全部汇总.xlsx',index=False)

避坑：

开头带~的是Excel打开的临时文件，必须跳过
列名不一致会导致合并错位，最好先统一各文件的列名
合并后一定要去重，不同天的数据可能有重复

带格式的Excel输出

纯数据输出不够好看，加点格式：

fromopenpyxlimportload_workbookfromopenpyxl.stylesimportFont,PatternFill,Alignment,Border,Side# 先输出数据pivot.to_excel(r'C:\数据\格式化报表.xlsx')# 再用openpyxl加载并加格式wb=load_workbook(r'C:\数据\格式化报表.xlsx')ws=wb.active# 设置表头样式header_fill=PatternFill(start_color='4472C4',end_color='4472C4',fill_type='solid')header_font=Font(color='FFFFFF',bold=True,size=11)forcellinws[1]:# 第一行cell.fill=header_fill cell.font=header_font cell.alignment=Alignment(horizontal='center')# 设置数据区域数字格式（千分位）forrowinws.iter_rows(min_row=2,max_col=ws.max_column,max_row=ws.max_row):forcellinrow:ifisinstance(cell.value,(int,float)):cell.number_format='#,##0'wb.save(r'C:\数据\格式化报表.xlsx')

影刀指令 vs Python：什么时候用哪个

场景	推荐方式	理由
读几个单元格的值	影刀内置指令	拖拽即可，不需要写代码
追加一行数据到Excel	影刀内置指令	直接"写入行数据"
透视表/图表	Python	内置指令不支持
多Sheet/多文件合并	Python	pandas几行代码搞定
复杂的数据清洗	Python	正则、条件过滤都方便
格式设置	Python openpyxl	可以精确控制每个单元格样式