自动化，很简单10个Python自动化办公脚本
在现代办公环境中，自动化脚本可以显著提升工作效率。以下是10个常见的办公问题及其对应的Python自动化解决方案。
插播：现在下载我们自己开发的 想读APP，阅读、学习文章更简单，点击查看想读安装使用说明。
如果你有其他自动化需求，都可以加文末我的微信，免费给你设计自动化方案，让你的工作更简单！
1. Excel数据合并
合并多个Excel文件中的数据到一个单一文件中。
import pandas as pd
import os
def merge_excels(file_list, output_file):
df_list = []
for file in file_list:
df = pd.read_excel(file)
df_list.append(df)
merged_df = pd.concat(df_list, ignore_index=True)
merged_df.to_excel(output_file, index=False)
file_list = ['file1.xlsx', 'file2.xlsx', 'file3.xlsx']
merge_excels(file_list, 'merged_output.xlsx')
2. 填充空缺值
批量填充Excel文件中的空缺值。
import pandas as pd
def fill_na_excel(input_file, output_file, fill_value):
df = pd.read_excel(input_file)
df.fillna(fill_value, inplace=True)
df.to_excel(output_file, index=False)
fill_na_excel('input.xlsx', 'filled_output.xlsx', fill_value=0)
3. Excel表匹配
将两个表中的数据根据共同列匹配合并。
import pandas as pd
def merge_on_column(file_a, file_b, column_name, output_file):
df_a = pd.read_excel(file_a)
df_b = pd.read_excel(file_b)
merged_df = pd.merge(df_a, df_b, on=column_name, how='left')
merged_df.to_excel(output_file, index=False)
merge_on_column('a.xlsx', 'b.xlsx', 'name', 'matched_output.xlsx')
4. Excel数据汇总
根据部门汇总工资数据。
import pandas as pd
def summarize_salary_by_department(input_file, output_file):
df = pd.read_excel(input_file)
summary = df.groupby('部门')['工资'].sum().reset_index()
summary.to_excel(output_file, index=False)
summarize_salary_by_department('工资条.xlsx', '部门工资汇总.xlsx')
5. 考勤数据分析
统计每个用户迟到、旷到次数，并判断是否全勤。
import pandas as pd
def analyze_attendance(input_file, output_file):
df = pd.read_excel(input_file)
df['打卡时间'] = pd.to_datetime(df['打卡时间'])
df['迟到'] = df['打卡时间'] > pd.to_datetime(df['上班时间']) + pd.Timedelta(minutes=30)
df['旷到'] = df['打卡时间'] > pd.to_datetime(df['上班时间']) + pd.Timedelta(minutes=120)
result = df.groupby('用户').agg(
迟到次数=('迟到', 'sum'),
旷到次数=('旷到', 'sum')
).reset_index()
result['全勤'] = (result['迟到次数'] == 0) & (result['旷到次数'] == 0)
result.to_excel(output_file, index=False)
analyze_attendance('考勤数据.xlsx', '考勤分析.xlsx')
6. 批量生成邀请函
批量生成包含不同姓名的邀请函。
from docx import Document
def create_invitations(names, template_file, output_folder):
for name in names:
doc = Document(template_file)
for paragraph in doc.paragraphs:
if '{{name}}' in paragraph.text:
paragraph.text = paragraph.text.replace('{{name}}', name)
doc.save(os.path.join(output_folder, f'邀请函_{name}.docx'))
names = ['Alice', 'Bob', 'Charlie']
create_invitations(names, 'template.docx', 'invitations')
7. 网页表格数据整理到Excel
解析HTML源文件中的表格数据并存储到Excel文件中。
import pandas as pd
from bs4 import BeautifulSoup
def parse_html_to_excel(html_file, output_file):
with open(html_file, 'r', encoding='utf-8') as file:
soup = BeautifulSoup(file, 'html.parser')
tables = soup.find_all('table')
df_list = []
for table in tables:
df = pd.read_html(str(table))[0]
df_list.append(df)
combined_df = pd.concat(df_list, ignore_index=True)
combined_df.to_excel(output_file, index=False)
parse_html_to_excel('table.html', 'parsed_output.xlsx')
8. 自动发送邮件
结合之前的数据处理结果自动发送邮件。
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
def send_email(to_email, subject, body, attachment_path):
from_email = "your_email@example.com"
password = "your_password"
msg = MIMEMultipart()
msg['From'] = from_email
msg['To'] = to_email
msg['Subject'] = subject
msg.attach(MIMEText(body, 'plain'))
with open(attachment_path, 'rb') as attachment:
part = MIMEText(attachment.read(), 'base64', 'utf-8')
part['Content-Disposition'] = f'attachment; filename={os.path.basename(attachment_path)}'
msg.attach(part)
server = smtplib.SMTP('smtp.example.com', 587)
server.starttls()
server.login(from_email, password)
server.sendmail(from_email, to_email, msg.as_string())
server.quit()
send_email('recipient@example.com', 'Subject', 'Email body', 'attachment.xlsx')
9. 批量数据处理
批量处理多个文件中的数据并输出结果。
import pandas as pd
def batch_process(files, output_folder):
for file in files:
df = pd.read_excel(file)
# 进行数据处理，例如填充空缺值
df.fillna(0, inplace=True)
output_file = os.path.join(output_folder, os.path.basename(file))
df.to_excel(output_file, index=False)
files = ['file1.xlsx', 'file2.xlsx', 'file3.xlsx']
batch_process(files, 'processed_files')
10. 数据库导入导出
从数据库导出数据并进行处理后重新导入。
import pandas as pd
from sqlalchemy import create_engine
def export_import_database(db_url, query, table_name):
engine = create_engine(db_url)
df = pd.read_sql(query, engine)
# 进行数据处理，例如删除重复值
df.drop_duplicates(inplace=True)
df.to_sql(table_name, engine, if_exists='replace', index=False)
db_url = 'mysql+pymysql://user:password@host/dbname'
query = 'SELECT * FROM source_table'
export_import_database(db_url, query, 'destination_table')
这些Python脚本涵盖了办公中常见的数据处理、分析和自动化任务，能够显著提升工作效率和准确性。
如果你有更具体需求，欢迎在评论区评论，下期，我就帮你实现办公自动化，让工作更简单。
