作者介绍
@阿星
互联网资深数据分析师。
专注自动化，醉心自动化处理一切。
“数据人创作者联盟”成员。
人生苦短，我用python。
相信做过报表的都对其烦不胜烦，周报，月报，季报；一期期的报表，一次次的心酸泪，烦不胜烦。至于作者是怎么知道的，因为我也是这个苦逼报表大军的一员。
是这样的，当时参与公司的一个项目，我的任务是出报表，听到任务时，心中顿时乐开了花，呜呼，这个简单，不就是出个报表吗。So easy！可拿到历史数据做成的表格顿时就不淡定了，一共是6个excel，每个excel是4-5个sheet，每个sheet里还有一堆花花绿绿的表格需要填写，心里顿时不淡定了。完成整个任务之后，唯一感觉到的是，痛苦麻木。
之后通过网络查询资料，发现这个报表居然可以自动化。接着花了一个星期的时间将报表自动化，当最后一个表格自动化代码写完后，打开python，运行程序，不得不说，一个字爽，再也不用一点一点的往sheet里弄数据了。
好了，接下来就为大家介绍今天的主角，xlwings。
先简单的看一下最终生成的表格效果吧。
下面我们就来看看这个案例吧。
以下是我们的原始数据，一共以三个sheet，每个sheet，这三个sheet分别是原煤，原油，天然气的数据。，指标有产量当期值，产量累计值，产量同比增长，产量累计增长。
这些数据都是可以在国家统计局里下载出来的，有兴趣的小伙伴可以自行下载。这个案例是让我们将数据以上表格的形式输出，指标名称是白色，单元格是黑色，此外数据中，红色是大于平均值进行得标注，蓝色是小于平均值进行的标注，表格字体为宋体。
首先呢，先导入相关库，用python读取原始数据。
import pandas as pd
import xlwings as xwraw_coal=pd.read_excel(r'统计局数据.xlsx',sheet_name='原煤')crude_oil=pd.read_excel(r'统计局数据.xlsx',sheet_name='原油')natural_gas=pd.read_excel(r'统计局数据.xlsx',sheet_name='天然气')data=pd.merge(raw_coal,crude_oil,on='指标')data=pd.merge(data,natural_gas,on='指标')finally_data=data[['指标','原煤产量当期值(万吨)','原油产量当期值(万吨)','天然气产量当期值(亿立方米)']]print(finally_data)
就数据而言，已经离我们要的最终表格差的不远了，就差一点点细节了。
是时候上我们的主角xlwings，xlwings能够非常方便的读写excel文件中的数据，最重要的是它可以对单元的格式进行修改，可以与pandas无缝连接。
使用xlwings库创建一个excel工作簿，在工作簿中创建一个表，表的名称为finally_data。
然后将上面利用pandas整合的数据复制到finally_data表格中，当然了将数据复制到表格中，在此看来有三种方式。
第一种：将一个数据看成一个单位，一个一个写入创建的表格中，此时需要注意的是，每一个数据在excel的位置和在dataframe表格中的位置，以免出现错误。
第二种：将一行数据看成一个单位，此时需要注意的是，每行数据的第一个在excel中的位置，参考复制粘贴形式。
第三种：将一张表的数据看成一个单位，本质上与第二种没什么区别，都是切片式传入数据，但是第三种方法是一二维数组的形式写入。
wb=xw.Book()
sht=wb.sheets['Sheet1']
sht.name='finally_data'
columns=list(finally_data.columns)##得到列名
sht.range('A1').value = columns####在第一行复制列名
##第一种方式，将一个数据为单位，一个个写入创建的表格中
# for row in range(2,11):
# for col in range(1,5):
# sht.range(row,col).value =finally_data.iloc[row-2,col-1]
##第二中方式，将一行数据为单位，一行一行的写入创建的表格中
# for i in range(0,len(finally_data)):
# data_row=list(finally_data.iloc[i,:])
# row=i+2# row_clo='A'+str(row)
# sht.range(row_clo).value =data_row
#第三种方式，将一张表格为单位，直接写入创建的表格中
finally_data1=finally_data.values
sht.range('A2').value = finally_data1
三者均能达到我们想要结果，各有优劣，作者喜欢的是第三种。达到这一步的时候，剩下的就是对表格内单元格的格式进行修改了。
再对单元格进行修改之前，我们要先求出来原煤产量当期值，原油产量长期值，天然气产量当期值，这三列数据中大于平均值和小于平均值的数据在Dataframe的位置，同时得出该数据在excel的位置，方便在进行单元格的格式修改。
describe=finally_data.describe()
avg=list(describe.loc['mean',:])
##计算大于均值的数在excel的位置red_原煤=list(finally_data.index[finally_data['原煤产量当期值(万吨)']>avg[0]])red_position1=['B'+str(i+2) for i in red_原煤 ]red_原油=list(finally_data.index[finally_data['原油产量当期值(万吨)']>avg[1]])red_position2=['C'+str(i+2) for i in red_原油 ]red_天然气=list(finally_data.index[finally_data['天然气产量当期值(亿立方米)']>avg[2]])red_position3=['D'+str(i+2) for i in red_天然气 ]red=red_position1+red_position2+red_position3##计算小于均值的数在excel的位置blue_原煤=list(finally_data.index[finally_data['原煤产量当期值(万吨)']<avg[0]])< p="">blue_position1=['B'+str(i+2) for i in blue_原煤 ]blue_原油=list(finally_data.index[finally_data['原油产量当期值(万吨)']<avg[1]])< p="">blue_position2=['C'+str(i+2) for i in blue_原油 ]blue_天然气=list(finally_data.index[finally_data['天然气产量当期值(亿立方米)']<avg[2]])< p="">blue_position3=['D'+str(i+2) for i in blue_天然气 ]blue=blue_position1+blue_position2+blue_position3print(red)print(blue
终于所有的条件全部满足了，最后可以对表格的格式进行修改了。
首先就是将字体全部改成宋体同时在表格中有数据的区域加上边框。
#区域内字体改变成宋体,加上边框 a_range = f'A1:D10'#区域 sht.range(a_range).api.Font.Name='宋体' #字体 sht.range(a_range).api.Borders(8).LineStyle = 1 #上边框 sht.range(a_range).api.Borders(9).LineStyle = 1 #下边框 sht.range(a_range).api.Borders(7).LineStyle = 1 #左边框 sht.range(a_range).api.Borders(10).LineStyle = 1 #右边框 sht.range(a_range).api.Borders(12).LineStyle = 1 #内横边框 sht.range(a_range).api.Borders(11).LineStyle = 1 #内纵边框
第二步就是将第一行的字体变成白色，单元格填充黑色。
#区域内字体颜色成白色，单元格变成黑色 b_range = f'A1:D1'#区域第一行 sht.range(b_range).api.Font.Color = 0xffffff sht.range(b_range).color=(0, 0, 0)
最后一步就是将大于均值的数据字体改成红色，小于均值的字体改成蓝色。然后在进行保存。
#######在excel 表格里改变字体颜色
for i in red:
sht.range(i).api.Font.Color = 0x0000ff
for i in blue:
sht.range(i).api.Font.Color = 0xFF0000
wb.save('结果数据.xlsx')
wb.close()
结果出来后，符合我们的要求。本次案例完整结束，当然了真正入手一个完整的自动化报表项目，远不止这么简单，中间还会出现一下别的问题。如果想要了解更多请持续关注