简介：这是一套基于PyQt5与Excel自动化处理的领料明细汇总工具，面向在校学生与毕业项目设计，也适合Python进阶学习者以及需要处理多表领料数据的管理人员。工具采用可视化图形界面，用户选定输入文件夹和输出文件夹后，程序会自动读取目录内全部Excel文件，提取物料编号、名称、领料数量、领料时间等关键字段，并汇总到一份新的Excel工作簿中，可显著减少手工复制粘贴，广泛用于库存管理、物料追踪与报表生成。压缩包共12个文件，大小约804KB，其中包含可直接运行的Python主程序、Jupyter说明笔记、工程部与生产部两个示例领料明细Excel、多张界面截图PNG以及程序图标ICO，便于对照学习界面布局与数据处理流程。当前已有74人学习下载，适合希望借鉴完整GUI项目结构、掌握Excel批量读取与汇总技巧的开发者。
1. 领料明细汇总工具：PyQt5加Excel的正确打开方式
做毕业项目设计时，"领料明细汇总工具"这类题目容易出效果，因为需求真实又不复杂：库房每天几十条领料记录散落在多个Sheet和Excel文件里，月底要按物料、按车间汇总成一张能对账的表。手工SUMIF也能做，但文件一多格式一乱就撑不住，桌面程序胜在选文件、点按钮、结果落进新Excel。
我选PyQt5加pandas加openpyxl，不用VBA。原因：新版Office默认拦截宏；VBA窗体在不同缩放比屏幕下容易错位，而PyQt5的布局管理器能自适应。下面按Excel字段约定、PyQt5界面搭建、汇总逻辑、导出与打包验证的顺序把整条链路写清楚，适合会Python基础语法、第一次把界面和数据处理耦合起来的同学。
2. 数据结构先行：用pandas把Excel明细读成统一规格
在写任何界面代码之前，先把"明细怎么读"定下来。这一章解决的是多个车间文件格式不统一的问题，也是答辩时最值得展开讲的部分。很多毕业设计死在第一步，不是因为不会写窗口，而是因为读取Excel时没做字段规整，后面所有聚合逻辑都在跟脏数据搏斗。
2.1 领料单字段设计：标准列名是第一个约定
领料明细常见的字段有：领料日期、车间部门、物料编码、物料名称、规格型号、单位、领用数量、领用人、备注。注意这里说的是"常见"，因为实际拿到手的文件总有出入：A车间表头叫"生产车间"，B车间叫"领料部门"；单位列有人填"个"有人填"PCS"；隔几行还有整行空白。
我在项目里定的第一个约定是一张字段映射表，把可能出现的别名统一映射到标准字段上，而不是每来一个新文件就改一次读取代码。
| 标准字段 | 常见别名 | 读取时要处理的事情 |
|---|---|---|
| 日期 | 领料日期 / 领用日期 / date | 可能是文本日期，也可能是Excel序列号 |
| 车间 | 车间 / 生产车间 / 领料部门 | 去掉首尾空格和换行符 |
| 物料编码 | 编码 / 物料号 / code | 可能被Excel自动存成数值导致前导0丢失 |
| 数量 | 领用数量 / 实发数量 / qty | 混有数字、文本和单位后缀 |
这张表有两个作用：第一，它明确了读取时要做的清洗动作，去空格、转类型、校验前导0。第二，它是后面动态识别列名的依据，没有这张表，换一个数据源整个程序就要推翻重写。建议在下笔写代码前先整理两三份真实的领料单，哪怕只是在草稿纸上列一下字段名，也比直接上网套模板可靠得多。
2.2 pandas读取Excel的最小可运行代码
读取用pandas而不是直接操作openpyxl，理由是pandas把文件解析和类型转换都封装好了，代码量能少一个数量级。以下是最小可运行的读取函数：
import pandas as pd def read_lingliao(path: str, sheet_name=0, header_row: int = 0) -> pd.DataFrame: """读取领料明细Excel，返回规整的DataFrame。""" df = pd.read_excel( path, sheet_name=sheet_name, # 0表示第一个Sheet，也可传工作表名称字符串 header=header_row, # 表头所在行，常见表头在第1行，有的在第2行 dtype=str, # 先全部按字符串读入，避免日期和编码被自动转换 ) df.columns = [str(c).strip() for c in df.columns] # 列名首尾空格去掉 df = df.dropna(how="all") # 整行全为空的行直接删除 return df三个参数值得展开说。第一个是dtype=str，这是从真实领料单里踩出来的坑：同一列单元格混着"20240510"和"2024-05-10"，如果不强制字符串，pandas会把它们解析成不同类型，后面按日期聚合时会多出很多组。第二个是header_row，真实领料单的表头经常从第二行开始，第一行是"XX车间2024年6月领料记录"这类大标题，到时候只要传header_row=1。第三个是dropna(how="all")，领料单里插入整行空行很常见，不删掉的话groupby时可能产生一个键全是NaN的分组。
如果sheet_name传None，pandas返回的是一个字典，键是工作表名称，值是每个Sheet的DataFrame。这个特性是后面做多Sheet合并的基础，第4章会用它来处理一个Excel里有多个车间表的情况。
2.3 动态识别列名：兼容不同车间文件的写法
再往前走一步。用户拿来的文件列名不可能完全一致，如果每换一个文件就要手动挑列，程序就谈不上工具。写一个normalize_columns做别名映射：
FIELD_ALIASES = { "日期": ["领料日期", "领用日期", "date"], "车间": ["车间", "生产车间", "领料部门", "部门"], "物料编码": ["物料编码", "编码", "物料号", "code"], "物料名称": ["物料名称", "名称", "品名"], "单位": ["单位", "计量单位"], "数量": ["数量", "领用数量", "实发数量", "qty"], } def normalize_columns(df: pd.DataFrame) -> pd.DataFrame: """把别名列名映射成标准字段名，找不到别名的列原样保留。""" rename_map = {} for col in df.columns: col_clean = str(col).strip().lower() for standard, aliases in FIELD_ALIASES.items(): if col_clean in aliases or col_clean.startswith(standard[:2]): rename_map[col] = standard break return df.rename(columns=rename_map)这里最微妙的一行是col_clean.startswith(standard[:2])，它解决"数量kg"、"数量（袋）"这类带单位后缀的列名。严格相等匹配不上，按标准字段前两个字做前缀匹配就够用了。代价是可能误配，比如一列叫"日期审核"也会被映射成"日期"。所以映射之后要做一次必填字段校验，宁可报错让用户换文件，也不能让错列数据往下游流。
def load_normalized(path: str) -> pd.DataFrame: """单Sheet读取入口：读取、列名映射、必填字段校验。""" df = read_lingliao(path, sheet_name=0) df = normalize_columns(df) required = ["物料编码", "数量"] missing = [r for r in required if r not in df.columns] if missing: raise ValueError(f"缺少必要字段: {missing}") return df这段代码放在第3章的界面调用入口里。用户在选择Excel文件后，如果文件缺列，程序会直接弹窗提示，而不是等汇总时莫名报错。错误发现得越早，定位问题的成本就越低，这也是为什么数据清洗一定要前置到读取阶段。
3. PyQt5界面搭建：从文件选择到预览表格的完整代码
界面是毕业设计交付的第一印象。PyQt5的优势是控件齐全、布局简单，不用写前端代码就能出桌面程序。窗口不需要多花哨，把文件选择、表格预览、汇总按钮、导出按钮四个区域摆对，就已经是一个完整的工具。
3.1 PyQt5环境准备：venv和pip安装
先准备一个独立的环境，避免把系统Python搞乱。以项目目录下创建虚拟环境为例：
python -m venv venv # Windows venv\Scripts\activate # Linux / macOS source venv/bin/activate pip install pyqt5 pandas openpyxlpip install pyqt5会自动拉取Qt运行库和sip，这两者版本对应不上时会出现导入失败，常见报错是ModuleNotFoundError: No module named 'PyQt5.sip'。此时不要反复重装pyqt5，检查pip源、清掉缓存再装通常能解决。PyQt5的版本号到5.15.x之后就不再出新功能，毕业项目用这个版本完全够。如果用的是PyCharm，在Settings里把Project Interpreter指到刚才的venv即可；VSCode需要在设置里选解释器路径，然后在终端运行python main.py。
3.2 主窗口骨架：布局、控件和信号槽
先看一张控件速查表，代码里出现这些控件时对照着理解：
| PyQt5控件 | 作用 | 本工具里的用途 |
|---|---|---|
| QMainWindow | 主窗口容器 | 承载整个界面 |
| QPushButton | 按钮 | 打开文件、开始汇总、导出结果 |
| QLabel | 文本标签 | 显示当前文件状态 |
| QTableWidget | 表格控件 | 预览明细和汇总结果 |
| QFileDialog | 文件对话框 | 选择源Excel、选择保存路径 |
| QMessageBox | 弹窗 | 报告错误和完成提示 |
| QVBoxLayout / QHBoxLayout | 布局器 | 控件纵向和横向排列 |
主窗口完整代码如下，可以直接保存为main.py运行：
import sys from PyQt5.QtWidgets import (QApplication, QMainWindow, QWidget, QVBoxLayout, QHBoxLayout, QPushButton, QLabel, QFileDialog, QMessageBox, QTableWidget, QTableWidgetItem) from loader import load_normalized # 第2章实现的读取函数 class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("领料明细汇总工具") self.resize(1000, 620) self.df = None # 原始明细 self.result_df = None # 汇总结果 central = QWidget() self.setCentralWidget(central) layout = QVBoxLayout(central) top = QHBoxLayout() self.btn_open = QPushButton("选择领料Excel") self.btn_open.clicked.connect(self.open_file) self.label_status = QLabel("还未读取文件") top.addWidget(self.btn_open) top.addWidget(self.label_status) top.addStretch() self.table = QTableWidget() self.table.setEditTriggers(QTableWidget.NoEditTriggers) self.table.setSelectionBehavior(QTableWidget.SelectRows) self.table.setAlternatingRowColors(True) self.table.horizontalHeader().setStretchLastSection(True) layout.addLayout(top) layout.addWidget(self.table) bottom = QHBoxLayout() self.btn_summary = QPushButton("开始汇总") self.btn_export = QPushButton("导出汇总Excel") self.btn_summary.setEnabled(False) self.btn_export.setEnabled(False) self.btn_summary.clicked.connect(self.do_summary) self.btn_export.clicked.connect(self.export_result) bottom.addWidget(self.btn_summary) bottom.addWidget(self.btn_export) bottom.addStretch() layout.addLayout(bottom) def open_file(self): path, _ = QFileDialog.getOpenFileName( self, "选择领料明细", "", "Excel文件 (*.xlsx *.xls)" ) if not path: return try: self.df = load_normalized(path) except Exception as exc: QMessageBox.critical(self, "读取失败", str(exc)) return self.show_df(self.df.head(300)) # 只预览前300行，避免界面卡顿 self.label_status.setText(f"已读取 {len(self.df)} 行") self.btn_summary.setEnabled(True) self.btn_export.setEnabled(True) def show_df(self, df): self.table.setRowCount(df.shape[0]) self.table.setColumnCount(df.shape[1]) self.table.setHorizontalHeaderLabels(list(df.columns)) for i, row in df.iterrows(): for j, val in enumerate(row): self.table.setItem(i, j, QTableWidgetItem(str(val))) def do_summary(self): self.result_df = aggregate(self.df) # 第4章的聚合函数 self.show_df(self.result_df) self.label_status.setText(f"汇总完成，共 {len(self.result_df)} 行") def export_result(self): if self.result_df is None: QMessageBox.information(self, "提示", "请先开始汇总") return save_path, _ = QFileDialog.getSaveFileName( self, "保存汇总结果", "领料汇总结果.xlsx", "Excel文件 (*.xlsx)" ) if save_path: export_to_excel(self.result_df, self.df, save_path) QMessageBox.information(self, "完成", f"已导出到 {save_path}") def main(): app = QApplication(sys.argv) win = MainWindow() win.show() sys.exit(app.exec_()) if __name__ == "__main__": main()这段代码里有几个关键细节。setEditTriggers(NoEditTriggers)把表格设为只读，防止用户把预览数据当成电子表格误改；预览的目的是核对，不是输入。setSelectionBehavior(SelectRows)设置整行选中，查看长表格时不容易看串行。head(300)控制预览行数，QTableWidget写入几千行数据后界面会明显卡顿，只展示前300行能保障流畅度。open_file里先调用load_normalized做字段校验，文件缺列时QMessageBox直接提示，不再继续执行。do_summary把聚合结果存到result_df，导出按钮只消费这份结果，不会重复聚合。
窗口跑通后，这就已经是一个能用的最小工具：选文件、看预览、点汇总、导出Excel。把这个流程走顺，后面所有逻辑调整都有界面做验证基础。
4. 汇总逻辑实现：多Sheet合并、groupby聚合和生成Excel结果
界面搭好只是第一步，真正的业务价值在数据处理这一章。答辩时被问最多的"你是怎么汇总的"，答案都在这里。
4.1 多Sheet自动合并：替换打开文件时的读取入口
一份领料簿里通常有多个工作表：一月、二月、三月，或者一车间、二车间、三车间。这些Sheet都要参与汇总，但有些Sheet不该参与，比如"汇总"、"模板"这类说明表。读取前先拿到所有Sheet名，逐个过滤后纵向拼接：
def load_all_sheets(path: str) -> pd.DataFrame: """读取Excel文件中所有业务Sheet，纵向拼接成一个DataFrame。""" xl = pd.ExcelFile(path, engine="openpyxl") frames = [] for sheet in xl.sheet_names: if sheet.startswith("汇总") or sheet.startswith("模板"): continue df = read_lingliao(path, sheet_name=sheet) df = normalize_columns(df) # 每个Sheet都做列名映射 frames.append(df) if not frames: raise ValueError("没有找到可参与汇总的工作表") return pd.concat(frames, ignore_index=True)pd.ExcelFile在这里的作用是先读取工作簿的Sheet元数据，拿到sheet_names属性，不把整个文件内容都读进内存。判断用startswith而不是in，是为了避免"XX车间汇总表"这类名字被误读成业务数据。concat时ignore_index=True表示拼接后的行索引重新从0编号，否则多个Sheet原本各自连续的索引会重复，后续按行号定位会错位。
不同Sheet的列结构可能不完全一样。concat默认做外连接，列取并集，缺失列补NaN。正常情况下每个Sheet经过normalize_columns后，标准字段一致，多余列的差异不影响汇总。把主窗口open_file里的load_normalized(path)换成load_all_sheets(path)，多Sheet合并就接入界面了。
4.2 数量列清洗：从"50袋"、"约20"到能求和的数字
领料单的"数量"列是文本和数字混合的重灾区：有人填"50袋"，有人填"约20"，有人填"12.5kg"。这一列直接astype(float)会抛异常，需要用正则先抽取数字部分：
def clean_quantity(df: pd.DataFrame) -> pd.DataFrame: """把数量列清洗成数值列，同时标识无法解析的行。""" raw = df["数量"].astype(str).str.replace(",", "", regex=False) nums = raw.str.extract(r"(-?\d+(?:\.\d+)?)")[0] df["数量_数值"] = pd.to_numeric(nums, errors="coerce") df["数量_异常"] = df["数量_数值"].isna() return df正则是(-?\d+(?:\.\d+)?)，含义是：可选的负号开头、一组数字、可选的小数点和小数部分。先用replace把千分位逗号去掉，再extract取出第一个数字片段，单位后缀和干扰文本都不需要关心。pd.to_numeric配合errors="coerce"会让解析失败的值变成NaN而不是抛异常，数量_异常列由此标出问题行。紧接着做一次拦截校验：
def check_quantity(df: pd.DataFrame): bad = df.loc[df["数量_异常"], ["车间", "物料编码", "数量"]] if not bad.empty: raise ValueError(f"{len(bad)} 行数量无法解析，请检查原始文件")这一步强制在汇总前停止流程。问题数据一旦静默流进求和结果，月底对账时少了几十行再回溯会非常被动。
4.3 groupby聚合：按车间和物料编码汇总数量
常用的汇总口径是"每个车间每种物料累计领了多少"。pandas的groupby一行就能写完：
def aggregate(df: pd.DataFrame) -> pd.DataFrame: df = clean_quantity(df) check_quantity(df) group_cols = ["车间", "物料编码", "物料名称", "单位"] result = ( df.groupby(group_cols, as_index=False)["数量_数值"] .sum() .sort_values(["车间", "数量_数值"], ascending=[True, False]) ) return result.rename(columns={"数量_数值": "累计数量"})groupby的关键参数这里拆开说：
| 参数 / 写法 | 取值 | 效果 |
|---|---|---|
| group_cols | ["车间","物料编码","物料名称","单位"] | 分组维度，组合值相同的数据归为一组 |
| as_index | False | 分组字段保留为普通列，写进Excel时表头干净 |
| ["数量_数值"] | 取列后调用.sum() | 只对数量求和，不会误加其他文本列 |
| sort_values | ascending=[True, False] | 车间名升序，组内数量降序 |
注意为什么把"单位"也放进分组维度。同一物料可能在不同车间被登记成不同单位，比如一个车间记"千克"一个车间记"克"，直接求和没有意义。如果检查时发现单位混乱，需要先做单位换算再聚合，否则结果只能当参考。答辩时主动提这个细节，比背概念更有说服力。
4.4 导出Excel：汇总结果和清洗后明细写入同一工作簿
导出端用pandas的ExcelWriter，把汇总结果和清洗后的明细分别写到两个Sheet，用户拿到文件后既能看汇总，又能下钻到原始记录核对：
def export_to_excel(result: pd.DataFrame, detail: pd.DataFrame, save_path: str) -> None: """把汇总结果和清洗后的明细导出到同一个Excel文件。""" with pd.ExcelWriter(save_path, engine="openpyxl") as writer: result.to_excel(writer, sheet_name="按物料汇总", index=False) detail.to_excel(writer, sheet_name="清洗后明细", index=False) sheet = writer.sheets["按物料汇总"] for col_idx, name in enumerate(result.columns): col_letter = chr(65 + col_idx) # 列号转列名字母 A、B、C... width = max(10, len(str(name)) * 2) # 列宽按表头长度估算 sheet.column_dimensions[col_letter].width = width多个Sheet必须写在同一个with块里，pd.ExcelWriter在with块结束时统一刷新到磁盘；如果分两次打开同一个路径，第二次会覆盖第一次的内容。chr(65 + col_idx)把列索引映射成Excel列号，0对应A、1对应B，超过26列会越界，但领料汇总结果通常不到10列。列宽用表头长度乘2估算，中文表头基本能完整显示，之后字段顺序变了也自动跟着调整，不用回来改写死的数字。
5. 汇总逻辑验证、PyInstaller打包与演示技巧
到这一步，工具功能已经完整。最后一节处理三件影响交付的事：怎么证明汇总结果是对的、怎么打包成exe、答辩演示怎么准备。
5.1 用单测验证聚合函数
aggregate是纯函数，不依赖界面，直接做单元测试。用一个只有三行数据的DataFrame就能确认groupby逻辑没写错：
def test_aggregate_sums_same_material(): df = pd.DataFrame({ "车间": ["A", "A", "B"], "物料编码": ["M01", "M01", "M02"], "物料名称": ["螺丝", "螺丝", "垫片"], "单位": ["个", "个", "个"], "数量": ["10", "20", "5"], }) res = aggregate(df) row_m01 = res.loc[res["物料编码"] == "M01"].iloc[0] assert row_m01["累计数量"] == 30这个用例里"数量"列故意用字符串，同时验证clean_quantity的清洗逻辑。跑测试只需要在项目目录执行：
pip install pytest pytest test_summary.py -v断言失败时，优先排查两处：数量列的正则是否匹配、groupby的分组列是否被映射干净。答辩前把pytest跑一遍，比临时在界面上点点点可靠得多。
5.2 PyInstaller打包一包运行文件
毕业设计最后要交可执行文件，否则评审老师还得装Python环境。用PyInstaller打包：
pip install pyinstaller pyinstaller --windowed --onefile --name 领料汇总工具 main.py--windowed表示不显示黑色控制台窗口；--onefile把所有依赖打成一个exe，产物在dist目录下，双击即可运行。首次启动会有几秒解压等待，这是onefile模式的正常现象，答辩时提前开机再演示就不用等。
如果exe运行时报"could not find or load the Qt platform plugin windows"，说明Qt插件没打全，重打成这样：
pyinstaller --windowed --onefile --collect-all PyQt5 --name 领料汇总工具 main.py--collect-all会把Qt的插件和翻译文件全部收集进来，体积会变大，但换来了稳定运行。打包出的exe通常在60MB到80MB，交付形式完全够用。
5.3 答辩演示准备三步走
演示时建议按固定套路来：第一步，准备一个200行以内、格式规范但故意带一两处别名表头或空行的样例Excel，展示读取的容错能力；第二步，演示顺序固定为打开文件、预览、汇总、导出、打开结果Excel看两个Sheet；第三步，如果演示机没装Office，演示前先装WPS或准备好在线Excel预览地址，导出后要当场打开"按物料汇总"和"清洗后明细"两个Sheet，证明结果文件真实可读。最后这一点不是技术问题，却是最容易让演示效果打折扣的地方。
本文还有配套的精品资源，点击获取
