Python+Word實現周報自動化的完整流程

一、技術方案概述

自動化報表解決方案基于以下技術組件：

Python 作為核心編程語言
python-docx 庫用于處理 Word 文檔
pandas 庫用于數據處理和分析
matplotlib 或 plotly 庫用于數據可視化
Word 模版作為報表的基礎格式
這種方案的優勢在于：保留了 Word 文檔的排版靈活性和沒關系，同時利用Python強大的數據處理能力，實現報表內容的自動化生成。

二、環境準備與依賴安裝

需要配置Python環境并安裝必要的庫：

# 安裝所需庫
# 推薦在虛擬環境中安裝
pip install python-docx pandas matplotlib plotly openpyxl

python-docx 是一個用于創建和更新 Microsoft Word(.docx) 文件的 Python 庫

三、Word 模板設計原則

設計一個好的 Word 模板是自動化報表的基礎。模板應當考慮以下幾點：

結構清晰：包含標題、摘要、正文、圖標位置等明確的結構
預留占位符：在需要動態填充的位置設置特定的占位符標記
格式一致：使用統一的字體、顏色、段落樣式
考慮可擴展性：某些部分可能需要根據數據動態增減

一個典型的周報模板可能包含以下部分：

報告標題和時間范圍
主要指標摘要
各業務線詳細數據
異常情況說明
數據趨勢圖標
下周工作計劃

使用 python-docx 操作 Word 文檔

python-docx 庫提供了豐富的 API 來操作 Word 文檔。以下是一些基礎操作：

from docx import Document
from docx.shared import Inches, Pt, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH# 創建一個新的 Word 文檔
doc = Document()# 添加標題
doc.add_heading('周報：2025-04-21', 0)# 添加段落
p = doc.add_paragraph("本周業務總體運行情況：")
p.add_run('良好').bold = True
p.add_run(', 各項主表穩步增長。')# 添加表格
table = doc.add_table(rows=3, cols=3)# 設置表頭
header_cells = table.rows[0].cells
header_cells[0].text = '指標名稱'
header_cells[1].text = '本周數值'
header_cells[2].text = '環比變化'# 填充數據
data_cells = table.rows[1].cells
data_cells[0].text = '銷售額'
data_cells[1].text = '￥1234567'
data_cells[2].text = '+12.3'# 添加圖片
doc.add_picture("1.png", width=Inches(6), height=Inches(2))# 保存文檔
doc.save("weekly_report.docx")

構建數據處理和獲取模塊

在實際應用中，報表數據可能來自多種來源，如數據庫、API、Excel文件等。需要構建一個靈活的數據獲取和處理模塊

#! /usr/bin/env/python3
# -*- coding=utf-8 -*-
# @Author: jack
# @Date  : 2025/04/21/17:16
from docx import Document
from docx.shared import Inches, Pt, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedeltadef get_report_period():"""確定報告的時間范圍"""today = datetime.now()# 假設周報覆蓋上周一到周日last_month = today - timedelta(days=today.weekday() + 7)last_sunday = last_month + timedelta(days=6)return last_month, last_sundaydef fetch_sales_data(start_date, end_date):"""從數據源獲取銷售數據"""# 實際應用中，這里是數據庫查詢或 API 調用# 這里使用模擬數據作為示例dates = pd.date_range(start=start_date, end=end_date)sales = [round(100000 + i * 5000 + i * i * 100) for i in range(len(dates))]return pd.DataFrame({"date": dates,"sales": sales})def calculate_kpi(df):"""計算關鍵績效指標"""total_sales = df["sales"].sum()avg_sales = df["sales"].mean()max_sales = df["sales"].max()max_sales_day = df.loc[df["sales"].idxmax(), "date"]# 計算環比變化# 假設我們有上周的數據last_week_sales = total_sales * 0.9  # 模擬數據sales_change = (total_sales - last_week_sales) / last_week_salesreturn {"total_sales": total_sales,"avg_sales": avg_sales,"max_sales": max_sales,"max_sales_day": max_sales_day,"sales_change": sales_change}def generate_charts(df, output_path):"""生成數據可視化圖表"""plt.figure(figsize=(10, 6))plt.plot(df['date'], df['sales'], marker='o')plt.title('每日銷售額趨勢')plt.xlabel('日期')plt.ylabel('銷售額')plt.grid(True)plt.tight_layout()plt.savefig(output_path)plt.close()return output_path

實現模板填充邏輯

#! /usr/bin/env/python3
# -*- coding=utf-8 -*-
# @Author: jack
# @Date  : 2025/04/21/17:16
import osfrom docx import Document
from docx.shared import Inches, Pt, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedeltadef get_report_period():"""確定報告的時間范圍"""today = datetime.now()# 假設周報覆蓋上周一到周日last_month = today - timedelta(days=today.weekday() + 7)last_sunday = last_month + timedelta(days=6)return last_month, last_sundaydef fetch_sales_data(start_date, end_date):"""從數據源獲取銷售數據"""# 實際應用中，這里是數據庫查詢或 API 調用# 這里使用模擬數據作為示例dates = pd.date_range(start=start_date, end=end_date)sales = [round(100000 + i * 5000 + i * i * 100) for i in range(len(dates))]return pd.DataFrame({"date": dates,"sales": sales})def calculate_kpis(df):"""計算關鍵績效指標"""total_sales = df["sales"].sum()avg_sales = df["sales"].mean()max_sales = df["sales"].max()max_sales_day = df.loc[df["sales"].idxmax(), "date"]# 計算環比變化# 假設我們有上周的數據last_week_sales = total_sales * 0.9  # 模擬數據sales_change = (total_sales - last_week_sales) / last_week_salesreturn {"total_sales": total_sales,"avg_sales": avg_sales,"max_sales": max_sales,"max_sales_day": max_sales_day,"sales_change": sales_change}def generate_charts(df, output_path):"""生成數據可視化圖表"""plt.figure(figsize=(10, 6))plt.plot(df['date'], df['sales'], marker='o')plt.title('每日銷售額趨勢')plt.xlabel('日期')plt.ylabel('銷售額')plt.grid(True)plt.tight_layout()plt.savefig(output_path)plt.close()return output_pathdef generate_report(template_path, output_path):"""生成周報的主函數"""# 獲取報告時間范圍start_date, end_date = get_report_period()period_str = f"{start_date.strftime('%Y年%m月%d日')} 至 {end_date.strftime('%Y年%m月%d日')}"# 獲取并處理數據sales_data = fetch_sales_data(start_date, end_date)kpis = calculate_kpis(sales_data)# 生成圖表chart_path = generate_charts(sales_data, 'sales_trend.png')# 加載Word模板doc = Document(template_path)# 替換標題中的日期for paragraph in doc.paragraphs:if '{{report_period}}' in paragraph.text:paragraph.text = paragraph.text.replace('{{report_period}}', period_str)# 填充KPI數據for paragraph in doc.paragraphs:if '{{total_sales}}' in paragraph.text:paragraph.text = paragraph.text.replace('{{total_sales}}', f"￥{kpis['total_sales']:,.2f}")if '{{sales_change}}' in paragraph.text:change_text = f"+{kpis['sales_change']:.2%}" if kpis['sales_change'] >= 0 else f"{kpis['sales_change']:.2%}"paragraph.text = paragraph.text.replace('{{sales_change}}', change_text)# 填充表格數據for table in doc.tables:for row in table.rows:for cell in row.cells:for paragraph in cell.paragraphs:if '{{avg_sales}}' in paragraph.text:paragraph.text = paragraph.text.replace('{{avg_sales}}', f"￥{kpis['avg_sales']:,.2f}")if '{{max_sales}}' in paragraph.text:paragraph.text = paragraph.text.replace('{{max_sales}}', f"￥{kpis['max_sales']:,.2f}")if '{{max_sales_day}}' in paragraph.text:day_str = kpis['max_sales_day'].strftime('%Y年%m月%d日')paragraph.text = paragraph.text.replace('{{max_sales_day}}', day_str)# 添加圖表for paragraph in doc.paragraphs:if '{{sales_chart}}' in paragraph.text:# 保存當前段落的參考p = paragraph# 清除占位符文本p.text = ""# 在同一位置添加圖片run = p.add_run()run.add_picture(chart_path, width=Inches(6))# 保存生成的報告doc.save(output_path)print(f"周報已生成：{output_path}")return output_pathdef main():# 模板和輸出文件路徑template_path = "weekly_report.docx"start_date, end_date = get_report_period()output_filename = f"銷售周報_{start_date.strftime('%Y%m%d')}_{end_date.strftime('%Y%m%d')}.docx"output_path = os.path.join("reports", output_filename)# 確保輸出目錄存在os.makedirs("reports", exist_ok=True)# 生成報告generate_report(template_path, output_path)if __name__ == "__main__":main()

進階：動態報表內容生成

在實際應用中，報表的內容可能需要根據數據的變化而動態調整。例如，當檢測到異常數據時，需要在報表中添加額外的說明或警告。以下是處理動態內容的擴展示例：

def add_dynamic_sections(doc, sales_data, kpis):"""根據數據情況動態添加報表內容"""# 例如：當銷售增長率超過20%時，添加特別說明if kpis['sales_change'] > 0.2:doc.add_heading('銷售額顯著增長說明', level=2)p = doc.add_paragraph()p.add_run(f"本周銷售額較上周增長了{kpis['sales_change']:.2%}，顯著高于預期。")p.add_run("主要增長點來自于以下方面：").bold = True# 添加項目符號列表doc.add_paragraph("新產品線上線帶來的銷售增長", style='List Bullet')doc.add_paragraph("營銷活動效果顯著", style='List Bullet')doc.add_paragraph("重點客戶訂單增加", style='List Bullet')# 檢測銷售異常天daily_avg = sales_data['sales'].mean()std_dev = sales_data['sales'].std()anomaly_days = sales_data[abs(sales_data['sales'] - daily_avg) > 2 * std_dev]ifnot anomaly_days.empty:doc.add_heading('異常銷售日分析', level=2)p = doc.add_paragraph("本周檢測到以下日期的銷售數據存在顯著異常：")# 添加異常日表格table = doc.add_table(rows=1, cols=3)table.style = 'Table Grid'# 設置表頭header_cells = table.rows[0].cellsheader_cells[0].text = '日期'header_cells[1].text = '銷售額'header_cells[2].text = '與平均值偏差'# 添加數據行for _, row in anomaly_days.iterrows():cells = table.add_row().cellscells[0].text = row['date'].strftime('%Y-%m-%d')cells[1].text = f"￥{row['sales']:,.2f}"deviation = (row['sales'] - daily_avg) / daily_avgcells[2].text = f"{deviation:.2%}"doc.add_paragraph("建議進一步調查這些異常情況的原因，以便采取相應的業務措施。")