Python + Excel 办公自动化 01 —

文章目录

1、Python 初识
2、什么是办公自动化？
3、搭建 Python 开发环境
- 3.1 安装 Python
- 3.2 安装 Anaconda 集成开发环境
- 3.3 使用 Jupyter 库
- - 3.3.1 认识 Jupyter Notebook 和 JupyterLab
  - 3.3.2 使用 Jupyter Notebook
  - 3.3.3 使用 JupyterLab
- 原创不易，如果您也学会了，欢迎来一个「三连」鼓励下呗，点赞、关注、转发，谢谢！

决定写这套 Python 教程时，实属偶然，单纯地为了满足一个小女孩儿她极强的好胜心。小外甥女有天去找同学玩儿，恰好碰到人家在学 Scratch 编程，一种图形化的编程工具。她一眼就喜欢上了，回来跟我说，她也想学，感觉超酷的，等学会了，以后在学校里也能得瑟一下。

既然是要去得瑟，感觉 Scratch 还是太简单了些，还不如教她正式的编程，从小要是能持续积累一些编程经验，未来对她的成长大有帮助。其它不说，编程中最基本的逻辑判断能力、英文阅读能力，长期积累下来，足以能够让她在生活中更独立，能读更多的外文图书、资料。

我想教她一门，随时拿起来就能用的「工具」，首先排除了 Java、C 这类过于庞杂的语言，太枯燥了；也想过要不学点儿小程序开发吧，但我不太想她一直抱着手机，而且小程序等一些前端的技术会让人过于在意它「好不好看」，对于美不美这件事儿，我实在搞不定。

最后，决定带她学 Python，一种能解释执行的脚本语言。我尤其喜欢它能灵活处理数据这块儿，比如，等她学会怎么用 Python 进行数据分析了，她可以去做一个近几年高考中英语的高频词汇有哪些的分析，这对她自己的学习本身就有巨大的帮助。

1、Python 初识

「人生苦短，我用 Python」，因为 Python 语法简单，容易上手，目前已经成为最流行的，也是最适合初学者入门学习的编程语言之一。

编程语言尤其多，各有各的优点，但 Python 颇受开发者和分析师的青睐，主要是它拥有如下几个大家非常喜爱的特点：

简单易学
- 语法结构简单，对初学者来说，学习门槛低，极易上手
运行够快
- Python 底层由 C 语言来实现，包括很多第三方库也都是由 C 来实现，运行速度足够快
高级语言
- 使用高级语言，我们不需要额外关注内存管理，也不需要过多操心其系统架构
表现力强
- Python 非常人性化地提供了很多的构造，让我们可以专注于解决方案，而不是如何把程序写漂亮
免费开源
- Python 及其第三方库是开源且免费的，对开发者来说是莫大的福音，我能可以直接通过其官网下载获取
可移植性
- 目前 Python 可以被移植到 Linux 系统

Python 的生态极为丰富，拥有很多丰富且很强大的库（模块），基于这些模块，在处理很多复杂场景下的问题时，我们只需要掌握少量的代码，就可以解决了。

在接下来的内容中，我会通过不同场景中的案例，演示问题的分析到解决的过程和细节。包括数据的读取、清洗过滤、可视化等，还有办公自动化有关的 Excel、Word、PPT 等文件的操作，甚至某些通信工具的机器人开发，都会涉及。

此外，Python 还可以应用在数据分析、网站建设、游戏开发等方面。

2、什么是办公自动化？

职场中的我们，或多或少都会做一些重复性的工作，而且还要耗费大量的时间和精力，更尴尬的是时不时还出错，还不容易发现。

像企业里的人事、财务等等部门，大量的极其琐碎、重复的文档类操作，无时无刻不在消磨同事们的积极性。比如，每个月核算员工工资，通过邮件发送工资条，都能让他们不可避免地加班。

我们是否可以通过 Python 程序，来把这些重复且繁杂的单调工作，实现自动化来省下大量的时间呢？答案是，肯定可以，完全没问题，技术是无比强大的。

如何把自己工作中那些大量的极其琐碎、重复的工作，交给计算机，交给 Python 程序来处理呢？其实很简单，咱可以围绕这几步来实现：

第一步，认真去观察、思考，在日常工作中，你所负责的部分，哪些是琐碎又重复的，具体由哪几个步骤构成的，并把它们详细地拆解出来；

第二步，仔细思考，判断刚刚拆解出来的这几步，是否可以完全交给程序来完成，最终目的，就是把你的某个目标，合理地拆成多个可执行的小步骤；

第三步，接下来的，就交给程序来帮你完成这些步骤。

我们来看个例子，公司每个月都要给所有员工发工资，至少要涉及人事和财务两个部门。有的企业是财务部门会计，有的是人事部门人事会计，根据每个公司的系统或工作流程，计算工资的部门也不同。

在这里，我们按先由人事部门根据正常出勤和业绩考核、五险一金等来算出每个员工的薪资，再提交至财务部门核对，确认无误后则将薪资发放至银行卡，最后人事部门再将每月工资条通过邮件同步至每位员工。

我们来拆解一下，有两大步：

第一步，使用 Python 处理 Excel 数据；

第二步，设置邮箱和发送邮件。

但是你看，还不够细，我们还可以进一步拆解：

第一步，使用 Python 处理 Excel 数据

自动登录公司后台管理系统；
自动访问员工信息页面；
自动爬取员工单月信息；
自动统计员工薪资并生成 Excel 文档；
自动提交人事、财务部门进行核查；
自动发放薪资；

第二步，设置邮箱和发送邮件

自动读取 Excel 文件数据；
自动拆解每位员工的信息并生成个人 Excel 文件作为工资条；
自动登录邮箱；
自动给每位员工发送包含个人薪资信息的邮件；

你看，是不是拆解之后，每一步都很清晰且可执行。你只需要花点儿时间，将所有步骤通过程序来实现，那你就不仅能大幅度提高工作效率，还能避免没必要的错误，最重要的是能省下大量的时间和精力去做更加有意义的事情。

3、搭建 Python 开发环境

在咱们正式使用 Python 之前，先要把 Python 的开发环境搭建好，工欲善其事，必先利其器。主要是为了咱们后面把程序写好了之后，计算机能够识别出来，并且还能让程序跑起来，最终才能看到程序的执行效果。

这里需要给大家依次介绍几个重要工具的安装和使用方式，分别是：

如何安装 Python？
如何安装最流行的 Anaconda 集成开发环境？
如何安装 Jupytere 库？
如何安装和使用 pip 库管理工具？

3.1 安装 Python

这是比较原始的安装方式，此处仅要求了解即可，接下来会给大家介绍更方便的 Anaconda 集成开发环境的搭建方式。

Python 一种能解释执行的脚本语言，我们在电脑上安装 Python，实际上是安装了一套 Python 的解释器，为的是能让计算机能懂咱们写的 Python 代码想干嘛，要不电脑哪知道你要做什么呢？

Python 解释器是一款应用程序，它会将写好的 Python 程序按照其语法规则，去翻译成计算机可以识别且能够运行的机器码。

接着，我们去访问 Python 官网（https://www.python.org/），鼠标悬浮在 Downloads 标签上，就能看到针对你当前操作系统适用的 Python 版本的下载按钮，直接点击即可。

如果你用的是 Mac OS，也就是苹果电脑，在系统中通常已经安装了 Python，你可以打开「终端应用」，并输入 python -V 命令来检查现有版本。

如果你的 Python 版本还是 2.x，那么建议你下载并安装 3.x 版本。点击上面的下载按钮后，你将得到一个「python-3.10.5-macos11.pkg」文件。

第一步，双击打开 pkg 文件，开始安装。

第二步，按照「Python 安装向导器」的步骤，一步一步向下安装即可。安装过程非常简单，在弹出来的对话框，你直接点「继续」。接着，还需要你「同意」软件许可协议。

然后，选择安装的位置，建议默认不做任何改变，直接「安装」即可，直至安装成功。

第三步，我们再次打开「终端应用」，并输入 python -V 命令，就可以看到刚安装好的最新版本。

3.2 安装 Anaconda 集成开发环境

极力推荐大家安装 Anaconda，也是目前最流行的方式，在 Anaconda 集成环境中，我们不仅拥有了 Python 编程环境，还可以使用 Jupyter Notebook 编辑器，而且系统还会帮咱自动安装好一些常用的第三方库，省下不少功夫。

通过浏览器访问 Anaconda 官网（https://www.anaconda.com/products/distribution），官方提供了个人和商业版，它还支持 Mac OS、Windows、Linux 三大操作系统。咱们选择符合自己电脑系统的版本即可，这里我使用的是 Mac OS，直接点击「Download」按钮开始下载即可，你将得到一个「Anaconda3-2022.05-MacOSX-x86_64.pkg」文件。

第一步，双击打开 pkg 文件，开始安装，安装步骤跟安装 Python 几乎一致。

第二步，按照「Anaconda 安装向导器」的步骤，一步一步向下安装即可。安装过程非常简单，在弹出来的对话框，你直接点「继续」。接着，还需要你「同意」软件许可协议。

然后，选择安装的位置，建议默认不做任何改变，直接「安装」即可，直至安装成功。

第三步，在「应用程序」中，找到「Anaconda-Navigator」并打开，咱们就可以看到一个工作台了。可以看到，有些工具已经安装好了，比如 Jupyter Notebook，你直接点它下面的 Launch 按钮就能启动了。

3.3 使用 Jupyter 库

3.3.1 认识 Jupyter Notebook 和 JupyterLab

当 Anaconda 安装好之后，咱的 Jupyter Notebook 和 JupyterLab 两款工具也被安装好了，它们属于 Jupyter 库，是比较常用的开发环境。

Jupyter Notebook 是一款通过在浏览器中使用的优秀「交互式」编辑工具，咱们可以通过它来编写和执行 Python 代码。它还能够将代码、文字做到很好的融合，特博是在写完代码后，马上执行就能看到反馈。

比如，我通过代码画了一张「条形图」，特别简单：

3.3.2 使用 Jupyter Notebook

接着，我们就来研究一下，如何通过 Jupyter Notebook 来编写和执行 Python 代码。

第一步，在 Anaconda 工作台上，点击 Jupyter Notebook 下面的 Launch 按钮，启动之后会自动通过浏览器打开它的工作台，接着就可以看到如下页面；

第二步，选择进入合适的路径后，你就可以点击「新建」，再选择「Python3」就可以创建一个新的笔记本了；

第三步，来吧，直接在文本框中输入一句代码，用的是 print() 函数 —— 它能够实现打印效果，知识确实超前了，但没有关系，现在我们只作观察，并不需要我们掌握它。

第四步，代码写好之后，需要运行它才能看得到结果。在菜单栏中，点击「运行」按钮，接着你就能在下一行看到打印出来的结果，确实很简单。

到此为止，我们迈出了最重要的一步，编写并运行了第一行 Python 代码。

3.3.3 使用 JupyterLab

JupyterLab 是 Jupyter Note 的最新一代产品，而且还集成了更多更好用的功能，它支持使用 Python 来实现数据分析、数据可视化等操作，目前颇受大家的喜爱。

第一步，在 Anaconda 工作台上，点击 JupyterLab 下面的 Launch 按钮，启动之后会自动通过浏览器打开它的工作台，接着就可以看到如下页面；

JupyterLab 窗口左侧一栏，是系统工作路径，也是我们存放笔记本的路径；右侧主要有 Notebook、Console、Other 等三大块儿，是所要创建笔记本的类型，还有一些常用文件的类型。

第二步，左边选好对应路径后，再选择创建「Notebook」类型的笔记本，就可以开始编写代码了。

编写了一个 print() 函数，在函数中指定了“I Love Python”字符，并将其运行打印了，结果如图所示：

是不是也很简单？后面，我们的案例默认使用 JupyterLab 来编写和运行。

原创不易，如果您也学会了，欢迎来一个「三连」鼓励下呗，点赞、关注、转发，谢谢！