影刀RPA Python Pandas表格数据处理：比Excel指令强大10倍

影刀RPA Python Pandas表格数据处理：比Excel指令强大10倍

作者：林焱 | 适合人群：用影刀Excel指令处理大量数据感觉慢或不够灵活的新手

什么情况用什么

影刀自带的Excel指令能处理简单的读写操作。但遇到这些场景就不够用了：

• 要对上万行数据做复杂筛选和计算
• 要合并多个Excel文件的数据
• 要做数据透视、分组汇总
• 要处理的数据列很多，指令叠指令很慢

Python Pandas是Python里最强大的表格数据处理库，一行代码完成影刀10个指令的工作。

怎么做

在影刀里使用Pandas

1. 拖入「执行Python代码」指令
2. 点亮Python图标
3. 导入Pandas：

importpandasaspd

影刀内置了Pandas库，不需要额外安装。

案例1：读取Excel并筛选

importpandasaspd# 读取Excel文件df=pd.read_excel(r'D:\data\销售数据.xlsx')# 筛选出销售额>1000的行result=df[df['销售额']>1000]# 只保留姓名和销售额两列result=result[['姓名','销售额']]# 输出结果print(result.to_string())

案例2：多个Excel合并

你有3个月的销售数据，每个月一个Excel文件，要合并成一个。

importpandasaspd files=['1月.xlsx','2月.xlsx','3月.xlsx']all_data=[]forfinfiles:df=pd.read_excel(f)all_data.append(df)# 纵向合并result=pd.concat(all_data)# 保存到新文件result.to_excel('季度汇总.xlsx',index=False)

案例3：分组汇总

# 按省份分组，统计每个省份的总销售额summary=df.groupby('省份')['销售额'].sum()print(summary)![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/62d87d341e9c4b5c8d4d2220fa9cb9bf.png#pic_center)

有什么坑

坑1：文件路径要用原始字符串

r'D:\data\文件.xlsx'而不是'D:\data\文件.xlsx'。

不加r前缀的话，\d、\n等会被当成转义字符，导致路径报错。

坑2：大文件读取很慢

用Pandas读一个几十MB的Excel文件可能需要几十秒。

解决方案：

1. 指定只读需要的列：pd.read_excel(f, usecols=['姓名','销售额'])
2. 如果只是查看前几行，用.head(10)而不是打印全部

坑3：空值处理

Excel里的空单元格，Pandas读进来是NaN（Not a Number），不是空字符串。

解决方案：df.fillna('')把NaN替换成空字符串，或者df.dropna()删除包含NaN的行。

总结

Pandas的核心能力：筛选、合并、分组、透视。

有了Pandas，影刀负责采集数据，Pandas负责处理数据，分工明确。

作者：林焱