摘要： 每月两次，每次数天，面对着上百个Excel表的数据处理任务，重复、枯燥、耗时，崩溃。直到他发现了Python自动化办公的奥秘...

引言

在数据分析的世界里，小李是一名普通的数据分析师。每个月，他都要面对一项艰巨的任务：从上千个Excel表中提取特定的数据，汇总到一个新的工作簿中。传统的方法，需要他逐个打开Excel表，按列筛选，复制粘贴，耗时耗力，而且极易出错。初步估计，完成一个表格需要5分钟，上千个表格就是5000分钟的工作量。这项工作不仅重复性高，而且枯燥无味，让小李对工作失去了热情和热爱。

1.小李的苦恼

小李在后台留言说：“每个月，我都要花费数天的时间来完成这项重复性的工作。每次筛选、复制、粘贴，都是对我的耐心和精力的巨大考验。”

2.传统方法的局限性

小李的工作流程是这样的：

打开每个Excel文件，逐个查找需要的数据。筛选出老板需要的数据列。复制并粘贴到新的工作表中。保存并关闭每个文件。

这个过程不仅耗时，而且容易出错。每一次的筛选都可能遗漏数据，每一次的复制粘贴都可能引入错误。

3.Python自动化的解决方案

小李关注了我们的公众号，并在后台留言了自己的问题。我们为他提供了一个Python自动化脚本，能够批量处理文件夹下所有Excel文件，提取特定数据到新的工作簿中。

import osimport xlwings as xwimport pandas as pddef extract_data(folder_path, dst, name): if not os.path.exists(folder_path): print('文件夹路径不正确，请检查') return # 启动Excel应用，不显示界面 app = xw.App(visible=False, add_book=False) try: files = [os.path.join(folder_path, f) for f in os.listdir( folder_path) if f.endswith('.xlsx')] data = [] for file in files: workbook = app.books.open(file) for sheet in workbook.sheets: values = sheet.range('A1').expand().options(pd.DataFrame).value filtered = values[values['部门'] == name]##此处的条件可以自定义任意多个 if not filtered.empty: data.append(filtered) workbook.close() if data: new_workbook = app.books.add() new_worksheet = new_workbook.sheets.add(name) new_worksheet.range('A1').value = pd.concat( data, ignore_index=True) new_workbook.save(dst) new_workbook.close() else: print(f"未找到名称为{name}的数据") except Exception as e: print(f"错误信息: {e}") finally: app.quit()# 使用示例folder_path = '年假_按部门'dst = './汇总数据.xlsx'name = '工程部'extract_data(folder_path, dst, name)4.效果展示

通过上述脚本，小李可以一键提取上百个Excel表中的特定数据，汇总到一个新工作簿中。整个过程只需几秒钟，准确无误，大大提升了工作效率，同时也让小李重新找回了对工作的热情。

结语

Python自动化不仅仅是一种技术，更是一种工作方式的革新。它能够帮助我们从重复性劳动中解放出来，让我们有更多时间去做更有创造性的工作。希望小李的故事能够激励更多的人，去探索和利用Python自动化办公的无限可能。

如果你也像小李一样，面临着重复性工作的苦恼，或者对Python脚本的编写有任何疑问，欢迎在评论区留言，我们将为你提供一对一的技术支持！

数海丹心

大数据和人工智能知识分享与应用

132篇原创内容

公众号