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
拼多多店群自动化报活动上架！
- 拖入「执行Python代码」指令
- 点亮Python图标
- 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)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
TEMU店群矩阵自动化运营核价报活动
用Pandas读一个几十MB的Excel文件可能需要几十秒。
解决方案：
- 指定只读需要的列：
pd.read_excel(f, usecols=['姓名','销售额']) - 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