引言

日常工作中，經常需要處理多份 Excel 表格：比如合并銷售數據、清洗重復的用戶信息，最后生成可視化圖表。手動操作不僅效率低，還容易出錯。這篇文章分享一套 Python 自動化流程，用pandas和matplotlib搞定從數據清洗到可視化的全流程，附完整代碼和避坑指南。

一、環境準備

需要安裝的庫：

pip install pandas openpyxl matplotlib  # openpyxl用于讀取xlsx格式

避坑點：如果 Excel 是.xls格式，需額外安裝xlrd==1.2.0（高版本不支持 xls）。

二、核心步驟（附代碼）

1. 讀取并合并多份 Excel 文件

假設文件夾data/下有 3 個銷售數據文件（sale1.xlsx、sale2.xlsx、sale3.xlsx），結構相同（含 “日期”“產品”“銷售額” 列）。

import pandas as pd
import os# 讀取文件夾下所有Excel
file_dir = "data/"
all_data = []
for file in os.listdir(file_dir):if file.endswith(".xlsx"):df = pd.read_excel(os.path.join(file_dir, file))all_data.append(df)# 合并為一個DataFrame
merged_df = pd.concat(all_data, ignore_index=True)
print(f"合并后共{len(merged_df)}行數據")

2. 清洗重復值

目標：刪除 “產品 + 日期” 完全重復的行（避免重復統計）。

# 查看重復值數量
print(f"重復值行數：{merged_df.duplicated(subset=['產品', '日期']).sum()}")# 刪除重復值（保留第一行）
cleaned_df = merged_df.drop_duplicates(subset=['產品', '日期'], keep='first')

3. 缺失值處理

如果 “銷售額” 列有缺失，用該產品的平均值填充（比直接刪除更合理）：

# 按“產品”分組，用組內平均值填充缺失值
cleaned_df['銷售額'] = cleaned_df.groupby('產品')['銷售額'].transform(lambda x: x.fillna(x.mean())
)

4. 數據可視化（生成銷量趨勢圖）

以 “產品 A” 為例，繪制月度銷售額折線圖：

import matplotlib.pyplot as plt# 設置中文顯示（避免亂碼）
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]# 篩選產品A的數據，按月份分組求和
product_a = cleaned_df[cleaned_df['產品'] == '產品A']
product_a['月份'] = product_a['日期'].dt.to_period('M')  # 提取月份
monthly_sales = product_a.groupby('月份')['銷售額'].sum()# 繪圖
monthly_sales.plot(kind='line', figsize=(10, 6))
plt.title('產品A月度銷售額趨勢')
plt.xlabel('月份')
plt.ylabel('銷售額（元）')
plt.grid(alpha=0.3)
plt.savefig('sales_trend.png', dpi=300)  # 保存圖片
plt.show()

三、完整代碼總結

將上述步驟整合為一個函數，方便復用：

def process_excel(file_dir, target_product):# 1. 讀取合并數據（代碼同上）# 2. 清洗重復值（代碼同上）# 3. 處理缺失值（代碼同上）# 4. 可視化（代碼同上）return cleaned_df  # 返回處理后的DataFrame# 調用示例
df = process_excel("data/", "產品A")

四、擴展思考

• 如果數據量超過 10 萬行，建議用dask替代pandas，避免內存溢出；
• 可視化也可以嘗試seaborn，圖表更美觀（如sns.lineplot()）。
• 你在處理 Excel 時遇到過哪些棘手問題？歡迎留言分享你的解決方案～