Python+Word实现周报自动化的完整流程

半新半旧

已于 2025-04-22 10:31:42 修改

阅读量417

点赞数 3

分类专栏： # Pandas 文章标签： python word 自动化

于 2025-04-21 18:02:26 首次发布

本文链接：https://blog.csdn.net/wangqiang996/article/details/147396958

版权

Pandas 专栏收录该内容

5 篇文章

订阅专栏

一、技术方案概述

自动化报表解决方案基于以下技术组件：

Python 作为核心编程语言
python-docx 库用于处理 Word 文档
pandas 库用于数据处理和分析
matplotlib 或 plotly 库用于数据可视化
Word 模版作为报表的基础格式
这种方案的优势在于：保留了 Word 文档的排版灵活性和没关系，同时利用Python强大的数据处理能力，实现报表内容的自动化生成。

二、环境准备与依赖安装

需要配置Python环境并安装必要的库：

# 安装所需库
# 推荐在虚拟环境中安装
pip install python-docx pandas matplotlib plotly openpyxl

python-docx 是一个用于创建和更新 Microsoft Word(.docx) 文件的 Python 库

三、Word 模板设计原则

设计一个好的 Word 模板是自动化报表的基础。模板应当考虑以下几点：

结构清晰：包含标题、摘要、正文、图标位置等明确的结构
预留占位符：在需要动态填充的位置设置特定的占位符标记
格式一致：使用统一的字体、颜色、段落样式
考虑可扩展性：某些部分可能需要根据数据动态增减

一个典型的周报模板可能包含以下部分：

报告标题和时间范围
主要指标摘要
各业务线详细数据
异常情况说明
数据趋势图标
下周工作计划

使用 python-docx 操作 Word 文档

python-docx 库提供了丰富的 API 来操作 Word 文档。以下是一些基础操作：

from docx import Document
from docx.shared import Inches, Pt, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH

# 创建一个新的 Word 文档
doc = Document()

# 添加标题
doc.add_heading('周报：2025-04-21', 0)

# 添加段落
p = doc.add_paragraph("本周业务总体运行情况：")
p.add_run('良好').bold = True
p.add_run(', 各项主表稳步增长。')

# 添加表格
table = doc.add_table(rows=3, cols=3)

# 设置表头
header_cells = table.rows[0].cells
header_cells[0].text = '指标名称'
header_cells[1].text = '本周数值'
header_cells[2].text = '环比变化'

# 填充数据
data_cells = table.rows[1].cells
data_cells[0].text = '销售额'
data_cells[1].text = '￥1234567'
data_cells[2].text = '+12.3'

# 添加图片
doc.add_picture("1.png", width=Inches(6), height=Inches(2))

# 保存文档
doc.save("weekly_report.docx")

构建数据处理和获取模块

在实际应用中，报表数据可能来自多种来源，如数据库、API、Excel文件等。需要构建一个灵活的数据获取和处理模块

#! /usr/bin/env/python3
# -*- coding=utf-8 -*-
# @Author: jack
# @Date  : 2025/04/21/17:16
from docx import Document
from docx.shared import Inches, Pt, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta


def get_report_period():
    """确定报告的时间范围"""
    today = datetime.now()
    # 假设周报覆盖上周一到周日
    last_month = today - timedelta(days=today.weekday() + 7)
    last_sunday = last_month + timedelta(days=6)
    return last_month, last_sunday


def fetch_sales_data(start_date, end_date):
    """从数据源获取销售数据"""
    # 实际应用中，这里是数据库查询或 API 调用
    # 这里使用模拟数据作为示例
    dates = pd.date_range(start=start_date, end=end_date)
    sales = [round(100000 + i * 5000 + i * i * 100) for i in range(len(dates))]
    return pd.DataFrame({
        "date": dates,
        "sales": sales})


def calculate_kpi(df):
    """计算关键绩效指标"""
    total_sales = df["sales"].sum()
    avg_sales = df["sales"].mean()
    max_sales = df["sales"].max()
    max_sales_day = df.loc[df["sales"].idxmax(), "date"]
    # 计算环比变化
    # 假设我们有上周的数据
    last_week_sales = total_sales * 0.9  # 模拟数据
    sales_change = (total_sales - last_week_sales) / last_week_sales
    return {
        "total_sales": total_sales,
        "avg_sales": avg_sales,
        "max_sales": max_sales,
        "max_sales_day": max_sales_day,
        "sales_change": sales_change
    }


def generate_charts(df, output_path):
    """生成数据可视化图表"""
    plt.figure(figsize=(10, 6))
    plt.plot(df['date'], df['sales'], marker='o')
    plt.title('每日销售额趋势')
    plt.xlabel('日期')
    plt.ylabel('销售额')
    plt.grid(True)
    plt.tight_layout()
    plt.savefig(output_path)
    plt.close()
    return output_path

实现模板填充逻辑

#! /usr/bin/env/python3
# -*- coding=utf-8 -*-
# @Author: jack
# @Date  : 2025/04/21/17:16
import os

from docx import Document
from docx.shared import Inches, Pt, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta


def get_report_period():
    """确定报告的时间范围"""
    today = datetime.now()
    # 假设周报覆盖上周一到周日
    last_month = today - timedelta(days=today.weekday() + 7)
    last_sunday = last_month + timedelta(days=6)
    return last_month, last_sunday


def fetch_sales_data(start_date, end_date):
    """从数据源获取销售数据"""
    # 实际应用中，这里是数据库查询或 API 调用
    # 这里使用模拟数据作为示例
    dates = pd.date_range(start=start_date, end=end_date)
    sales = [round(100000 + i * 5000 + i * i * 100) for i in range(len(dates))]
    return pd.DataFrame({
        "date": dates,
        "sales": sales})


def calculate_kpis(df):
    """计算关键绩效指标"""
    total_sales = df["sales"].sum()
    avg_sales = df["sales"].mean()
    max_sales = df["sales"].max()
    max_sales_day = df.loc[df["sales"].idxmax(), "date"]
    # 计算环比变化
    # 假设我们有上周的数据
    last_week_sales = total_sales * 0.9  # 模拟数据
    sales_change = (total_sales - last_week_sales) / last_week_sales
    return {
        "total_sales": total_sales,
        "avg_sales": avg_sales,
        "max_sales": max_sales,
        "max_sales_day": max_sales_day,
        "sales_change": sales_change
    }


def generate_charts(df, output_path):
    """生成数据可视化图表"""
    plt.figure(figsize=(10, 6))
    plt.plot(df['date'], df['sales'], marker='o')
    plt.title('每日销售额趋势')
    plt.xlabel('日期')
    plt.ylabel('销售额')
    plt.grid(True)
    plt.tight_layout()
    plt.savefig(output_path)
    plt.close()
    return output_path


def generate_report(template_path, output_path):
    """生成周报的主函数"""
    # 获取报告时间范围
    start_date, end_date = get_report_period()
    period_str = f"{start_date.strftime('%Y年%m月%d日')} 至 {end_date.strftime('%Y年%m月%d日')}"

    # 获取并处理数据
    sales_data = fetch_sales_data(start_date, end_date)
    kpis = calculate_kpis(sales_data)

    # 生成图表
    chart_path = generate_charts(sales_data, 'sales_trend.png')

    # 加载Word模板
    doc = Document(template_path)

    # 替换标题中的日期
    for paragraph in doc.paragraphs:
        if '{{report_period}}' in paragraph.text:
            paragraph.text = paragraph.text.replace('{{report_period}}', period_str)

    # 填充KPI数据
    for paragraph in doc.paragraphs:
        if '{{total_sales}}' in paragraph.text:
            paragraph.text = paragraph.text.replace('{{total_sales}}', f"¥{kpis['total_sales']:,.2f}")
        if '{{sales_change}}' in paragraph.text:
            change_text = f"+{kpis['sales_change']:.2%}" if kpis['sales_change'] >= 0 else f"{kpis['sales_change']:.2%}"
            paragraph.text = paragraph.text.replace('{{sales_change}}', change_text)

    # 填充表格数据
    for table in doc.tables:
        for row in table.rows:
            for cell in row.cells:
                for paragraph in cell.paragraphs:
                    if '{{avg_sales}}' in paragraph.text:
                        paragraph.text = paragraph.text.replace('{{avg_sales}}', f"¥{kpis['avg_sales']:,.2f}")
                    if '{{max_sales}}' in paragraph.text:
                        paragraph.text = paragraph.text.replace('{{max_sales}}', f"¥{kpis['max_sales']:,.2f}")
                    if '{{max_sales_day}}' in paragraph.text:
                        day_str = kpis['max_sales_day'].strftime('%Y年%m月%d日')
                        paragraph.text = paragraph.text.replace('{{max_sales_day}}', day_str)

    # 添加图表
    for paragraph in doc.paragraphs:
        if '{{sales_chart}}' in paragraph.text:
            # 保存当前段落的参考
            p = paragraph
            # 清除占位符文本
            p.text = ""
            # 在同一位置添加图片
            run = p.add_run()
            run.add_picture(chart_path, width=Inches(6))

    # 保存生成的报告
    doc.save(output_path)
    print(f"周报已生成：{output_path}")
    return output_path


def main():
    # 模板和输出文件路径
    template_path = "weekly_report.docx"
    start_date, end_date = get_report_period()
    output_filename = f"销售周报_{start_date.strftime('%Y%m%d')}_{end_date.strftime('%Y%m%d')}.docx"
    output_path = os.path.join("reports", output_filename)

    # 确保输出目录存在
    os.makedirs("reports", exist_ok=True)

    # 生成报告
    generate_report(template_path, output_path)


if __name__ == "__main__":
    main()

进阶：动态报表内容生成

在实际应用中，报表的内容可能需要根据数据的变化而动态调整。例如，当检测到异常数据时，需要在报表中添加额外的说明或警告。以下是处理动态内容的扩展示例：

def add_dynamic_sections(doc, sales_data, kpis):
    """根据数据情况动态添加报表内容"""
    # 例如：当销售增长率超过20%时，添加特别说明
    if kpis['sales_change'] > 0.2:
        doc.add_heading('销售额显著增长说明', level=2)
        p = doc.add_paragraph()
        p.add_run(f"本周销售额较上周增长了{kpis['sales_change']:.2%}，显著高于预期。")
        p.add_run("主要增长点来自于以下方面：").bold = True
        
        # 添加项目符号列表
        doc.add_paragraph("新产品线上线带来的销售增长", style='List Bullet')
        doc.add_paragraph("营销活动效果显著", style='List Bullet')
        doc.add_paragraph("重点客户订单增加", style='List Bullet')
    
    # 检测销售异常天
    daily_avg = sales_data['sales'].mean()
    std_dev = sales_data['sales'].std()
    anomaly_days = sales_data[abs(sales_data['sales'] - daily_avg) > 2 * std_dev]
    
    ifnot anomaly_days.empty:
        doc.add_heading('异常销售日分析', level=2)
        p = doc.add_paragraph("本周检测到以下日期的销售数据存在显著异常：")
        
        # 添加异常日表格
        table = doc.add_table(rows=1, cols=3)
        table.style = 'Table Grid'
        
        # 设置表头
        header_cells = table.rows[0].cells
        header_cells[0].text = '日期'
        header_cells[1].text = '销售额'
        header_cells[2].text = '与平均值偏差'
        
        # 添加数据行
        for _, row in anomaly_days.iterrows():
            cells = table.add_row().cells
            cells[0].text = row['date'].strftime('%Y-%m-%d')
            cells[1].text = f"¥{row['sales']:,.2f}"
            deviation = (row['sales'] - daily_avg) / daily_avg
            cells[2].text = f"{deviation:.2%}"
            
        doc.add_paragraph("建议进一步调查这些异常情况的原因，以便采取相应的业务措施。")