共计 2945 个字符，预计需要花费 8 分钟才能阅读完成。
Python 办公自动化次要是批量化、自动化、定制化解决数据问题，目前次要分为三大块：自动化 office、自动化机器人、自动化数据服务。
1、自动化 office，包含对 excel、word、ppt、email、pdf 等罕用办公场景的操作，
python 都有对应的工具库，能够很不便的调用。
提供一些常见的外围库供大家参考应用。
excel：xlwings、xlrd、xlwt、openpyxl
word：Python-docx
ppt：pptx
email：smtplib（SMTP 服务）、email（解析解决）、yagmail（全能）
pdf：pypdf2、pdfminer、pdfplumber
picture：PIL
学这些会撸 python 是前提，对于小白来说自学也不是件容易的事，须要花相当的工夫去适应 python 的语法逻辑，而且要保持亲手敲代码，一直练习。
2、自动化机器人，用来进步惯例且高频的服务，比方微信客服、主动交易系统、实时信息抓取、QQ 聊天机器人等。
例如
web 自动化测试：selenium
模仿鼠标键盘：pymouse、pywinauto、pyautogui
微信自动化:wechatby
Python 自动化办公其实并不难，但也须要有 Python 根底，起码得会写脚本，不然只管有自动化接口也用不了。
很多人入了很长时间门，还是在门外彷徨，我感觉这是学习办法的问题。学习编程肯定要多练习，根底 + 实战同步走，这样能力最快把握 Python。
可能你会问，看书看不进去怎么办，那就换条路子，你能够去看视频、看网络教程、逛 github，都是很不错的办法.
3、自动化数据服务，次要是提供流式数据服务，从数据获取、数据处理、数据建模、数据可视化，到最终生成数据报告，通过 python 搭建起残缺数据链条。
数据抓取：requests、scrapy
数据处理：pandas、numpy
数据建模：scipy、scikit-learn、statesmodel、keras
数据可视化：matplotlib、seaborn、bokeh、pyecharts
数据报表：dash
以 python 操作 excel 为例，应用 xlwings 生成自动化图表。
1、简略介绍 xlwings
接下来实操演练：
1、筹备一个表格
2、对表格进行各种操作
导入 xlwings 库，命名为 xw
import xlwings as xw建设与流动工作簿的连贯
# 这里应用 books 办法，援用工作簿
wb = xw.books["商品清单.xlsx"]
type(wb)xlwings.main.Book
查看工作簿的名字
wb.name‘ 商品清单.xlsx’
实例化工作表对象
sht = wb.sheets['表一']查看表一中 A1 单元格的内容
# 规范用法
sht.range('A1').value‘ 品类 ’
# 简洁用法
sht['A1'].value‘ 品类 ’
# 索引用法
sht[0,0].value‘ 品类 ’
查看表一中 A1-D8 所有单元格的内容
sht.range('A1:D8').value输入：
[['品类', '数量（件）', '单价（元）', '总价（元）'],
['坚果', 5.0, 30.0, 150.0],
['罐头', 9.0, 10.0, 90.0],
['牛肉', 3.0, 60.0, 180.0],
['果汁', 10.0, 9.0, 90.0],
['蜂蜜', 2.0, 80.0, 160.0],
['进口零食', 4.0, 70.0, 280.0],
['共计', 33.0, 43.166666666666664, 950.0]]
sht[:8,:4].value输入：
[['品类', '数量（件）', '单价（元）', '总价（元）'],
['坚果', 5.0, 30.0, 150.0],
['罐头', 9.0, 10.0, 90.0],
['牛肉', 3.0, 60.0, 180.0],
['果汁', 10.0, 9.0, 90.0],
['蜂蜜', 2.0, 80.0, 160.0],
['进口零食', 4.0, 70.0, 280.0],
['共计', 33.0, 43.166666666666664, 950.0]]将表一 B2 单元格 5 改为 7
sht.range('B2').value = 7向表二中导入 dataframe 类型数据
第一步：连贯表二
第二步：生成一个 dataframe 类型数据集
第三步：导入表二
sht_2 = wb.sheets['表二']
import pandas as pd
df = pd.DataFrame({'姓名':['小王','小张','小李'],'年龄':[23,26,19]})
df
导入：
sht_2.range('B1').value = df向表二中导入 numpy 数组
import numpy as np
obj = np.array([[1,2,3],[4,5,6]])
obj输入：
array([[1, 2, 3],
[4, 5, 6]])导入：
sht_2.range('F1').value = obj将 excel 中数据导出为 DataFrame 格局
sht_2.range('B1').options(pd.DataFrame, expand='table').value
用 matplotlib 绘图并将图片贴到 excel 上
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(4,4))
plt.plot([1,2,3,4,5])
sht_2.pictures.add(fig, name='MyPlot', update=True)输入：
<Picture 'MyPlot' in <Sheet [商品清单.xlsx]表二 >>批改表三中 A1 单元格的宽和高
连贯表三
sht_3 = wb.sheets['表三']查看 A1 单元格的宽和高
# 查看列宽
sht_3.range('A1').column_width8.11
# 查看行高
sht_3.range('A1').row_height13.8
A1 单元格高改为 15.6，宽改为 2.2
sht_3.range('A1').column_width = 2.2
sht_3.range('A1').row_height = 15.6批改表三 B1 单元格色彩
# 查看 B1 单元格色彩
sht_3.range('B1').color
(255, 0, 0)批改 B1 单元格色彩为彩色
sht_3.range('B1').color = (0,0,0)写一个自动化的小脚本
def f():
sht_3.range("A1:AZ48").column_width = 1.1
sht_3.range('A1:AZ48').row_height = 7.8
list_1 = pd.read_csv('zaike.csv').values
for i,j in list_1:
sht_3[int(i),int(j)].color = (255,25,0)
f()
list_1 = []
for i in range(30):
for j in range(40):
c = sht_3[i,j].color
if c == (255,0,0):
list_1.append((i,j))这些小例子都能跑，你能够放本人电脑上运行下，或者手敲每个代码，这样相对能高效率把握。
如果对 python 语法还不相熟，最好先把框架相熟一遍，多做些练习。
明天的分享就到这里啦~