python 实现报表自动化1
- 报表介绍
现有3张表，一张为交付表，一张为22年销售表，还有一张21年的销售表；
交付表表头如下：
21年、22年销售表头如下：
报表目的，将22年和21年的购进金额添加到F、G列，并且将22年新增的终端名称累加到新增的交付表下面。
- 自动化代码如下：
import pandas as pd #忽略warning警告 import warnings warnings.filterwarnings('ignore') ################################################## 修改文件名 #导入文件 df_22 = pd.read_excel('22年终端销售分析.xlsx') df_21 = pd.read_excel('21年终端销售分析.xlsx') df_jf = pd.read_excel('DDI直连清单-20220826.xlsx') # 参数赋值 last_year = '21年8月购进' ############## this_year = '22年8月购进' ############## file_ddi = 'DDI直连清单-20220902.xlsx' ##############################修改文件名 #屏蔽报错——SettingWithCopyWarning pd.set_option('mode.chained_assignment', None) #对齐参数 pd.set_option('display.unicode.ambiguous_as_wide', True) pd.set_option('display.unicode.east_asian_width', True) #处理交付表 #删除交付表21年与22年金额列 df_jf1 = df_jf.drop(labels=[last_year,this_year],axis = 1) #删除交付表最后2列，方便后续合并，删除后不改变原表df_jx #处理22年销售表 #为了找出新增终端，只保留：终端名称、省市区、终端类型几列， 并把删除后表头中”客户省、客户市、客户区“替换为”省、市、区“ df_22_1 = df_22[["终端名称","客户省","客户市","客户区","终端类型"]] #删除df_22_1索引为0的行 df_22_1.drop(df_22_1.index[0], inplace=True) #修改列名 df_22_1.rename(columns={'客户省':'省','客户市':'市','客户区':'区'}, inplace = True) #将22年新增终端增到交付表中 #交付表与22表交集部分 df_jj = pd.merge(df_22_1, df_jf1, on=['终端名称']) # df_jj.to_excel('df_jj.xlsx') #差集——用22销售表减去22年与交付表的交集，得到22年7月新增部分终端 df_xinzeng = pd.concat([df_22_1,df_jj]).drop_duplicates(subset=['终端名称'],keep=False) #删除交集与差集合并后的多余列 df_xinzeng = df_xinzeng.drop(labels=['省_x','市_x', '区_x', '终端类型_x','省_y' ,'市_y', '区_y', '终端类型_y'],axis = 1) # df_xinzeng.to_excel('df_xinzeng.xlsx') #将新增的终端放到交付表中 df_jf_res = pd.merge(df_jf1, df_xinzeng, on=['终端名称','省','市','区','终端类型'], how='outer') # df_jf_res.to_excel('2.xlsx') #将21年金额放到交付表 #删除21年索引为0的行 df_21.drop(df_21.index[0], inplace=True) #筛选df_jf_res需要的两列 df_21=df_21[["终端名称","合计.1"]] # 合并df_jf_res与df_21中的金额 df_jf_res = pd.merge(df_jf_res,df_21,how="left",on="终端名称") #将合并表的21年金额更名 df_jf_res.rename(columns={'合计.1':last_year}, inplace = True) #将21年金额列数值中”，“替换掉 df_jf_res[last_year] = df_jf_res[last_year].str.replace(',','') df_jf_res[last_year] = pd.to_numeric(df_jf_res[last_year],errors='raise') # 将交付表中21年金额为空的填充为0 df_jf_res.fillna(0,inplace=True) #将22年金额放到交付表 #删除22年索引为0的行 df_22.drop(df_22.index[0], inplace=True) #筛选df_jf_res需要的两列 df_22=df_22[["终端名称","合计.1"]] # 合并df_jf_res与df_22中的金额 df_jf_res = pd.merge(df_jf_res,df_22,how="left",on="终端名称") #将合并表的22年金额更名 df_jf_res.rename(columns={'合计.1':this_year}, inplace = True) #将22年金额列数值中”,“替换掉 df_jf_res[this_year] = df_jf_res[this_year].str.replace(',','') df_jf_res[this_year] = pd.to_numeric(df_jf_res[this_year],errors='raise') # 将22年金额为空的填充为0 df_jf_res.fillna(0,inplace=True) #输出文件 df_jf_res.to_excel(file_ddi,index=False) #修改列宽 file_path = './DDI直连清单-20220902.xlsx' ####################修改文件名 sheet_name = 'Sheet1' with pd.ExcelWriter(file_path, engine='xlsxwriter') as writer: # 数据传给Excel的writer df_jf_res.to_excel(writer, index=False, sheet_name=sheet_name) # 再从writer加载回该sheet worksheet = writer.sheets[sheet_name] # 循环每一列的列序号，设置列宽为20个单位（指Excel中的列宽单位） # for idx in range(df_jf_res.shape[1]): # print(df_jf_res.shape[1]) worksheet.set_column(0,0, 60) worksheet.set_column(5,6, 15) # .set_column(a,b,c)函数三个参数，a代表起始列，b代表终止列，c为列宽 # worksheet.set_column(6, 6, 15) writer.save() # 保存文件
