​
小张是公司里做运营分析的，每个月都要把销售数据整理成图表，给老板做汇报。以前他都是手动在Excel里点来点去，选数据范围、插入柱状图、调颜色、改字体，一套操作下来至少半小时。碰上数据更新频繁的日子，他得重复做三四遍同样的操作，烦到想摔鼠标。

有一天他跑来问我：“有没有办法让Excel自动画图？我每次数据格式都一样，就是数值变了。”

我说：“用Python啊，写一次脚本，以后一键生成，颜色字体你说了算，还能批量处理。”

他眼睛亮了。

这篇文章就从这个场景出发，聊聊怎么用Python和Excel配合，优雅地画出各种柱状图。

准备工具，装三个库就够了
Python操作Excel有几个成熟的库。最省事的是pandas，它能直接读写Excel文件，处理数据表格。画图交给matplotlib，这个库几乎能画出所有你能想象到的图表。如果还想保留Excel公式或者调整格式，可以加上openpyxl。

装起来一句话的事情：

pip install pandas matplotlib openpyxl

我习惯在Jupyter Notebook里调试这些代码，因为能看到每一步的数据长什么样。如果你用普通.py文件也完全没问题。

拿数据开刀，从Excel读到pandas
先看一个实际场景。假设有一张销售数据表叫sales.xlsx，里面每个月每个产品的销售额：

月份 产品A 产品B 产品C
1月 120 95 80
2月 135 102 88
3月 148 110 92
用pandas读这个文件只需要一行：

import pandas as pd

df = pd.read_excel('sales.xlsx')
print(df.head())

head()方法能让你看一眼前几行数据，确认读进来的格式对不对。pandas会自动把第一行当作列名，后面每一行对应一个月份。

第一张柱状图，五步搞定
数据在手里了，画图其实就五步：选数据、创建画布、画柱状图、加标题标签、显示或保存。

import matplotlib.pyplot as plt

把月份列作为横坐标的标签

months = df['月份']

遍历每一列产品，分别画一组柱子

plt.bar(months, df['产品A'], label='产品A')
plt.bar(months, df['产品B'], label='产品B')
plt.bar(months, df['产品C'], label='产品C')

加标签和标题

plt.xlabel('月份')
plt.ylabel('销售额（万元）')
plt.title('各产品月度销售对比')

显示图例

plt.legend()

展示图表

plt.show()

跑完这段代码，一张简单的分组柱状图就弹出来了。每个月份有三根柱子并排，代表三个产品的销售额。

这比在Excel里手动选区域、插入图表快多了。但还不够好看，柱子颜色、字体大小、网格线都可以调。

让图表好看一点，细节决定质感
默认的matplotlib图表长得很“学术”，蓝橘色的柱子，白色背景，谈不上难看但也说不上精致。改几个参数就能大变样。

设置中文字体，不然图表里的中文会变成方框

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

创建画布时指定尺寸和分辨率

fig, ax = plt.subplots(figsize=(10, 6), dpi=100)

画图时自定义颜色和透明度

ax.bar(months, df['产品A'], label='产品A', color='#FF6B6B', alpha=0.8)
ax.bar(months, df['产品B'], label='产品B', color='#4ECDC4', alpha=0.8)
ax.bar(months, df['产品C'], label='产品C', color='#45B7D1', alpha=0.8)

添加网格线，提升可读性

ax.grid(axis='y', linestyle='--', alpha=0.5)

在柱子上方显示数值

for i, (a, b, c) in enumerate(zip(df['产品A'], df['产品B'], df['产品C'])):
ax.text(i, a + 2, str(a), ha='center', va='bottom', fontsize=9)
ax.text(i, b + 2, str(b), ha='center', va='bottom', fontsize=9)
ax.text(i, c + 2, str(c), ha='center', va='bottom', fontsize=9)

plt.tight_layout()
plt.show()

alpha参数控制透明度，多个柱子重叠时能看到后面的内容。grid加网格线能让数值对比更直观。text方法在柱子上方标了具体数字，老板看图表时不用再猜这根柱子到底是多少。

颜色代码用的是十六进制RGB格式，比默认的颜色高级不少。可以在网上搜配色方案，选一套自己看着舒服的。

两种特殊柱状图，应付不同场景
有时候并排柱子太多了，显得拥挤。可以换成堆叠柱状图，每个月份的三根柱子叠在一起，总高度就是三个产品的销售额之和。

堆叠柱状图

fig, ax = plt.subplots(figsize=(10, 6))

ax.bar(months, df['产品A'], label='产品A', color='#FF6B6B')
ax.bar(months, df['产品B'], bottom=df['产品A'], label='产品B', color='#4ECDC4')
ax.bar(months, df['产品C'], bottom=df['产品A'] + df['产品B'], label='产品C', color='#45B7D1')

ax.set_ylabel('总销售额（万元）')
ax.legend()
plt.show()

bottom参数决定了这根柱子从哪里开始堆叠。产品B的柱子底端是产品A的高度，产品C的柱子底端是A加B的高度。这种图适合展示“总量”和“构成”的关系。

还有一种需求是横向柱状图。当产品名称或者月份标签比较长时，竖着放会挤在一起看不清。barh方法画横着的版本：

横向柱状图

ax.barh(months, df['产品A'], label='产品A')
ax.barh(months, df['产品B'], label='产品B')
ax.barh(months, df['产品C'], label='产品C')

只是把bar换成了barh，x轴和y轴的角色互换了。

批量生成图表，十分钟的工作变成十秒钟
这才是Python真正的杀手锏。假设你有12个分公司的销售数据，分别存在12个Excel文件里，每个文件要生成一张柱状图。手动做的话，打开、复制、粘贴、调整格式，一上午就没了。

用Python写个循环，几秒钟跑完。

import glob

获取所有Excel文件

files = glob.glob('分公司销售数据/*.xlsx')

for file in files:
df = pd.read_excel(file)

# 从文件名提取分公司名称，用来命名输出的图片
company_name = file.split('/')[-1].replace('.xlsx', '')

fig, ax = plt.subplots(figsize=(10, 6))
ax.bar(df['月份'], df['销售额'], color='steelblue')
ax.set_title(f'{company_name}月度销售情况')
ax.set_xlabel('月份')
ax.set_ylabel('销售额（万元）')

# 不显示窗口，直接保存文件
plt.savefig(f'图表输出/{company_name}_柱状图.png', dpi=150, bbox_inches='tight')
plt.close()

这里有两个关键点。savefig代替show，不弹窗口直接存图。bbox_inches='tight'能自动裁剪掉图表周围多余的空白。循环结束后，指定文件夹里整整齐齐躺着12张图片，每一张都格式统一、标题自动适配。

把图表写回Excel，方便分享
有些人不想单独看图片文件，希望图表直接嵌入到Excel表格里。这也能做到，用openpyxl配合matplotlib。

from openpyxl import Workbook
from openpyxl.utils.dataframe import dataframe_to_rows
from openpyxl.drawing.image import Image
import io

先把图表存到内存里的字节流，不生成临时文件

buf = io.BytesIO()
plt.savefig(buf, format='png', dpi=100)
buf.seek(0)

新建Excel文件并写入数据

wb = Workbook()
ws = wb.active

将pandas数据写入工作表

for r in dataframe_to_rows(df, index=False, header=True):
ws.append(r)

插入图片

img = Image(buf)
img.width = 400
img.height = 300
ws.add_image(img, 'E2') # 放在E2单元格位置

wb.save('带图表的销售报表.xlsx')

这样生成的文件，别人打开就能直接看到数据和图表，不需要额外发图片。

几个让我踩过坑的小问题
中文字体是最容易翻车的。matplotlib默认字体不支持中文，画出来的图里汉字全是小方框。解决方案是提前设置字体，用rcParams指定一个系统中存在的支持中文的字体。如果是在Linux服务器上跑，可能需要先安装中文字体，或者用fc-list :lang=zh命令查一下已安装的字体。

数据列名不要有空格。pandas读取Excel后，如果列名是“产品 A”这种带空格的，调用df['产品 A']会报错。要么提前改好列名，要么用df.columns = [col.strip() for col in df.columns]批量清理。

保存图表时如果中文变成了乱码，试试plt.savefig之前再加一次字体设置。有时候前面设好了，保存时却丢失了，重新设置能解决。

从手动到自动，效率提升看得见
小张后来用这套脚本，每月做报表的时间从半小时压缩到了十秒钟。他只需要把最新的数据覆盖到Excel文件里，双击运行脚本，图表自动生成。他把脚本给了部门其他同事，大家都很开心。

数据可视化的核心价值不是图表多漂亮，而是能不能快速准确地传达信息。当你重复做同一类图表超过三次，就该考虑写脚本了。这不是偷懒，是聪明地工作。

Excel和Python不是替代关系，是互补关系。Excel适合交互式探索数据，Python适合批量化、自动化处理。两者结合，威力翻倍。

​