引言

在当今数据驱动的时代，掌握数据分析技能已成为职场核心竞争力之一。Python凭借其丰富的生态系统（如Pandas、NumPy、OpenPyXL、SQLAlchemy等），成为数据处理、分析和自动化的首选语言。无论你是需要从数据库提取数据，还是处理Excel表格，亦或是想实现计算机自动处理数据，Python都能提供高效解决方案。本文将从书籍推荐、代码编写、数据库操作、Excel处理到完全自动化，为你梳理一条清晰的学习路径。

一、推荐学习书籍

系统学习Python数据分析，以下书籍值得一读：

《Python for Data Analysis》（Wes McKinney著）：Pandas库作者亲授，数据分析入门经典。
《Python数据科学手册》（Jake VanderPlas著）：涵盖NumPy、Pandas、Matplotlib、Scikit-Learn。
《利用Python进行数据分析》：中文版，适合国内读者快速上手。
《Python自动化办公：3分钟完成1天的工作》：专注Excel、Word、PDF等办公自动化。

这些书籍从基础到实战，配合代码示例，能帮助你快速掌握核心技能。

二、Python连接数据库与代码编写

实际工作中，数据常存储在数据库（MySQL、PostgreSQL、SQLite等）。使用Python可以轻松连接并查询数据。以MySQL为例：

`python import pandas as pd from sqlalchemy import create_engine

创建数据库连接引擎

engine = create_engine('mysql+pymysql://user:password@localhost:3306/dbname')

执行SQL查询并将结果直接读入DataFrame

df = pd.read_sql('SELECT * FROM sales', engine)
print(df.head())
`

对于SQLite，无需额外驱动：

import sqlite3
conn = sqlite3.connect('example.db')
df = pd.readsqlquery('SELECT * FROM table1', conn)

编写代码时，建议遵循模块化原则，将数据获取、清洗、分析、输出分别封装为函数，提高可复用性。

三、Excel表格数据处理

Excel是企业中最常见的数据格式。Pandas结合OpenPyXL可以高效处理.xlsx文件。

3.1 读取Excel

`python import pandas as pd

读取整个工作表

df = pd.readexcel('data.xlsx', sheetname='Sheet1')

读取多个工作表

sheets = pd.readexcel('data.xlsx', sheetname=['Sheet1', 'Sheet2'])
`

3.2 数据清洗与转换

`python # 删除空值

df.dropna(subset=['column1'], inplace=True)

填充缺失值

df['column2'].fillna(0, inplace=True)

列重命名

df.rename(columns={'oldname': 'newname'}, inplace=True)

分组聚合

result = df.groupby('category')['sales'].sum().reset_index()
`

3.3 写入Excel

with pd.ExcelWriter('output.xlsx', engine='openpyxl') as writer:
df.toexcel(writer, sheetname='Result', index=False)
result.toexcel(writer, sheetname='Summary', index=False)

OpenPyXL可直接操作单元格格式、图表等 —— 适合生成复杂报表。

四、实现计算机自动数据处理

自动处理意味着设定任务后，程序按计划（定时或触发）执行，无需人工干预。常用方式：

批处理脚本：将上述读取-清洗-分析-输出写成一个.py文件，每天运行一次。
定时任务：Windows用“任务计划程序”，Linux/macOS用Crontab，调用Python脚本。
任务调度库：如schedule库，可在Python内部定时执行。

示例：每天上午8点自动处理Excel并发送邮件。

`python import schedule import time def job(): # 数据处理逻辑

df = pd.read_excel('daily.xlsx')
# ...

print('处理完成')
schedule.every().day.at('08:00').do(job)
while True:
schedule.run_pending()
time.sleep(60)
`

更高级可采用Apache Airflow等专业调度工具，构建数据流水线。

五、实战案例：自动销售报表生成

连接MySQL销售数据库，读取昨日订单。
使用Pandas清洗数据、计算销售额、按产品分类汇总。
将结果写入建好的Excel模板，保留格式。
通过smtplib自动发送邮件给经理。
整体脚本部署到服务器，每日定时执行。

`python import pandas as pd from sqlalchemy import create_engine from openpyxl import load_workbook import smtplib from email.mime.application import MIMEApplication

def generatereport():
engine = createengine('mysql+pymysql://user:pwd@host/db')
df = pd.readsql('SELECT * FROM orders WHERE date = CURDATE() - 1', engine)
summary = df.groupby('product')['amount'].agg(['sum', 'count']).resetindex()
# 写入Excel模板（保留原有格式）

book = loadworkbook('template.xlsx')
with pd.ExcelWriter('template.xlsx', engine='openpyxl') as writer:
writer.book = book
summary.toexcel(writer, sheet_name='Report', startrow=2, index=False)
# 发送邮件（略）

pass

if name == 'main':
generate_report()
`