Или как Python может собирать отчёты за тебя, пока ты пьёшь кофе ☕
🤔 Проблема: каждый понедельник — Excel-ад
Допустим, ты аналитик, бухгалтер, project manager или просто бедный смертный, которому каждую неделю прилетает:
- 5–10 Excel-файлов,
- от разных отделов или филиалов,
- с почти одинаковыми, но всё-таки чуть-чуть разными таблицами,
- и тебе нужно собрать из этого всего единый отчёт.
Вручную? Нет.
С помощью Python? О да.
🧠 Что мы сегодня сделаем?
- Соберём данные из нескольких Excel-файлов
- Объединим всё в один датафрейм
- Приведём к единому виду (очистка и нормализация)
- Проведём агрегацию (например, по отделам или регионам)
- Сохраним красивый Excel-отчёт, готовый к отправке руководству
🧰 Что нужно установить?
pip install pandas openpyxl
📁 Исходные данные
В папке ./отчеты/ лежат Excel-файлы:
- Москва.xlsx
- СПб.xlsx
- Новосибирск.xlsx
...и так далее.
Каждый файл содержит один лист с колонками:
- Менеджер
- Регион
- Продажи
- Дата
Но, как это бывает в реальной жизни, в каких-то файлах:
- названия колонок написаны по-разному (Продажи, Продажа, Продаж)
- лишние пробелы
- дата в разных форматах
🚀 Шаг 1: Загружаем все Excel-файлы из папки
import pandas as pd
import os
# Путь к папке с отчётами
folder_path = './отчеты/'
# Получаем список всех Excel-файлов
files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]
print("Найдено файлов:", files)
💬 Здесь мы просто сканируем папку. Можно добавить фильтр по дате или имени, если нужно.
🧩 Шаг 2: Читаем все файлы и обрабатываем
# Храним все таблицы тут
all_data = []
# Перебираем каждый файл
for file in files:
filepath = os.path.join(folder_path, file)
df = pd.read_excel(filepath)
# Нормализуем имена колонок
df.columns = df.columns.str.strip().str.lower()
# Переименовываем, если нужно
df.rename(columns={
'продажа': 'продажи',
'продаж': 'продажи'
}, inplace=True)
# Добавляем имя файла как колонку "Источник"
df['источник'] = file.replace('.xlsx', '')
all_data.append(df)
💬 Здесь уже начинается магия:
- приведение к нижнему регистру и удаление пробелов спасает от «Продажи» vs « продаж »;
- rename() позволяет привести колонки к стандарту;
- колонка источник — полезна, если нужно понимать, из какого региона строка.
🧬 Шаг 3: Объединяем данные
# Объединяем все фреймы в один
combined_df = pd.concat(all_data, ignore_index=True)
print("Объединённая таблица:")
print(combined_df.head())
💬 Всё — теперь это одна большая таблица. А дальше можно творить аналитику.
🧹 Шаг 4: Очистка и приведение форматов
# Преобразуем "продажи" в число
combined_df['продажи'] = pd.to_numeric(combined_df['продажи'], errors='coerce')
# Убираем строки без продаж
combined_df.dropna(subset=['продажи'], inplace=True)
# Приводим "дата" к формату datetime
combined_df['дата'] = pd.to_datetime(combined_df['дата'], errors='coerce')
# Убираем строки без даты
combined_df.dropna(subset=['дата'], inplace=True)
💬 Здесь мы боремся с типичной Excel-проблемой:
– продали "тыщу" вместо 1000,
– дату ввели как "вчера" или "23.04",
– или забыли указать вообще.
📊 Шаг 5: Группировка и агрегация
Допустим, мы хотим:
- Общие продажи по регионам
- Средняя продажа на менеджера
- Сводку по дням
# Продажи по регионам
by_region = combined_df.groupby('регион')['продажи'].sum().sort_values(ascending=False)
# Средние продажи по менеджерам
by_manager = combined_df.groupby('менеджер')['продажи'].mean().sort_values(ascending=False)
# Сводка по дням
by_day = combined_df.groupby('дата')['продажи'].sum().sort_index()
💬 groupby() — как сводная таблица, но с ракетным двигателем.
💾 Шаг 6: Сохраняем финальный отчёт
with pd.ExcelWriter('итоговый_отчет.xlsx', engine='openpyxl') as writer:
combined_df.to_excel(writer, sheet_name='Все данные', index=False)
by_region.to_excel(writer, sheet_name='По регионам')
by_manager.to_excel(writer, sheet_name='Среднее по менеджерам')
by_day.to_excel(writer, sheet_name='По дням')
💬 Всё — один Excel, много вкладок. Руководство будет счастливо (или хотя бы не будет ругаться).
🧠 Дополнительно можно:
- Автоматизировать запуск скрипта (через планировщик задач или cron)
- Отправлять итоговый отчёт на почту
- Хранить шаблоны для визуализации
- Добавить логирование или Telegram-уведомления
✅ Что ты теперь умеешь:
- 📂 Автоматически сканировать папку с Excel-файлами
- 🧼 Приводить хаотичные таблицы к единому формату
- 🧠 Группировать, агрегировать и анализировать
- 📤 Создавать отчёт, готовый к отправке
- ☕ И всё это без ручного копипаста
📣 Финалочка
Автоматизация Excel-отчётности с помощью Python — это как нанять секретаря, который работает 24/7, не болеет, не жалуется и никогда не забывает нолик.
А главное — ты теперь умеешь это делать сам.