小毛，电商企业财务，每三天需编制一次运营报表，供公司领导们查阅。面对的是一份包含13万行数据、涵盖8家店铺的Excel文件。
他的常规操作流程是：数据透视、按店铺筛选、再逐一复制数据以制作周报。这样机械的重复工作，每三天就要上演一次。
是否有什么神器能够解放小毛于繁琐之中？
答案是肯定的！
Python大显身手！
借助Python中的Pandas这一数据处理利器，它犹如Excel的加强版，能够高效、精准地完成数据透视、筛选、汇总、拆分等任务。
运用Python，这份将“销售明细自动化转为运营周报”的工作，仅需短短1分钟即可完成。
让我们一起探索这一高效解决方案的魅力吧。
原工作模式（Before)：
import pandas as pdimport timestart_time=time.time()biao=pd.read_excel(r"D:\py自动生成\数据源表.xlsx",sheet_name="数据")shops=['PDD1店', 'PDD3店', 'PDD2店', 'PDD4店', '抖音1店', '天猫店', '京东店', 'PDD5店']biao_shops = biao[biao['店铺名称'].isin(shops)]for shop in shops:biao_new=biao_shops[biao_shops['店铺名称'] == shop]biao_group=biao_new.groupby(['商品代码', '仓库辅助列']).agg({'数量': 'sum','让利后金额': 'sum','成本': 'sum','物流费用': 'sum'}).reset_index()biao_group=biao_group.reindex(['商品代码', '仓库辅助列','让利后金额', "数量", '成本', '物流费用' ], axis=1)biao_group=biao_group.rename(columns={"商品代码":"商品明细","仓库辅助列":"仓库","让利后金额":"订单金额","数量":"包裹数"})biao_group.to_excel(r"D:\py自动生成\数据源表-%s.xlsx"%shop)end_time=time.time()print(f"运行时间，总时间{end_time-start_time}")
不到20行，来测试一下你是否可以看懂？
使用read_excel，轻松载入数据；
groupby，智能分类汇总；
reindex，精确调整顺序；
rename，随心所欲更名；
to_excel，一键导出报表。
让重复性的工作成为过去式吧！