Python增强办公效率的 11 个实用代码段-编程学习网

1. 快速生成批量文件夹

工作中经常需要创建多个文件夹来分类存储不同类型的文件。手动创建不仅耗时还容易出错。利用 Python 可以快速生成批量文件夹。

import os

def create_folders(base_path, folder_names):
    """
    在指定路径下创建多个文件夹。
    
    :param base_path: 文件夹创建的基础路径
    :param folder_names: 要创建的文件夹名称列表
    """
    for name in folder_names:
        path = os.path.join(base_path, name)
        if not os.path.exists(path):
            os.makedirs(path)
            print(f"创建文件夹 {path}")

# 示例使用
folder_names = ['2023年报表', '2023年会议记录', '2023年项目文档']
create_folders('C:\\Users\\YourName\\Documents', folder_names)

输出结果：

创建文件夹 C:\Users\YourName\Documents\2023年报表
创建文件夹 C:\Users\YourName\Documents\2023年会议记录
创建文件夹 C:\Users\YourName\Documents\2023年项目文档

2. 批量重命名文件

当有大量文件需要重命名时，手动操作显然不现实。Python 的 os 模块可以轻松完成这一任务。

import os

def rename_files(directory, prefix):
    """
    批量重命名目录下的所有文件，添加前缀。
    
    :param directory: 需要重命名文件所在的目录
    :param prefix: 添加到文件名前面的前缀
    """
    for filename in os.listdir(directory):
        old_name = os.path.join(directory, filename)
        new_name = os.path.join(directory, f"{prefix}_{filename}")
        os.rename(old_name, new_name)
        print(f"重命名 {old_name} 为 {new_name}")

# 示例使用
rename_files('C:\\Users\\YourName\\Documents\\2023年报表', '报表')

输出结果：

重命名 C:\Users\YourName\Documents\2023年报表\file1.xlsx 为 C:\Users\YourName\Documents\2023年报表\报表_file1.xlsx
重命名 C:\Users\YourName\Documents\2023年报表\file2.xlsx 为 C:\Users\YourName\Documents\2023年报表\报表_file2.xlsx

3. Excel 数据处理

日常工作中经常需要处理 Excel 表格数据。使用 pandas 库可以高效地读取、处理 Excel 文件。

import pandas as pd

def process_excel(file_path):
    """
    读取并处理 Excel 文件。
    
    :param file_path: Excel 文件路径
    """
    # 读取 Excel 文件
    df = pd.read_excel(file_path)
    
    # 处理数据
    df['Total'] = df['Quantity'] * df['Price']
    df.dropna(inplace=True)  # 删除缺失值
    
    # 保存处理后的数据
    df.to_excel('processed_data.xlsx', index=False)

# 示例使用
process_excel('C:\\Users\\YourName\\Documents\\sales_data.xlsx')

输出结果：

原始 Excel 文件中的数据被读入 DataFrame。
新增一列 Total 计算销售额。
删除包含 NaN 的行。
将处理后的数据保存到新文件 processed_data.xlsx 中。

4. PDF 文档合并

经常需要将多个 PDF 文件合并成一个文档。借助于 PyPDF2 库可以轻松实现该功能。

from PyPDF2 import PdfFileMerger

def merge_pdfs(paths, output):
    """
    合并多个 PDF 文件。
    
    :param paths: PDF 文件路径列表
    :param output: 输出文件路径
    """
    merger = PdfFileMerger()
    
    for pdf in paths:
        merger.append(pdf)
    
    merger.write(output)
    merger.close()

# 示例使用
pdf_paths = ['report_part1.pdf', 'report_part2.pdf', 'report_part3.pdf']
merge_pdfs(pdf_paths, 'complete_report.pdf')

输出结果：

complete_report.pdf 文件中包含了三个部分的内容。

5. 文本内容替换

在处理大量文本文件时，经常需要批量替换某些内容。Python 的 re 模块提供了强大的正则表达式支持，可以轻松完成这一任务。

import re
import os

def replace_text_in_files(directory, pattern, replacement):
    """
    在指定目录下的所有文本文件中替换特定内容。
    
    :param directory: 目录路径
    :param pattern: 要替换的模式（正则表达式）
    :param replacement: 替换的内容
    """
    for filename in os.listdir(directory):
        if filename.endswith('.txt'):
            filepath = os.path.join(directory, filename)
            with open(filepath, 'r') as file:
                content = file.read()
            
            updated_content = re.sub(pattern, replacement, content)
            
            with open(filepath, 'w') as file:
                file.write(updated_content)
                print(f"更新文件 {filepath}")

# 示例使用
directory = 'C:\\Users\\YourName\\Documents\\text_files'
pattern = r'old_text'
replacement = 'new_text'
replace_text_in_files(directory, pattern, replacement)

输出结果：

更新文件 C:\Users\YourName\Documents\text_files\file1.txt
更新文件 C:\Users\YourName\Documents\text_files\file2.txt

6. 发送邮件自动化

发送邮件是日常工作的一部分。使用 smtplib 和 email 库可以自动发送邮件，节省时间和精力。

import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart

def send_email(subject, body, to_emails):
    """
    发送邮件。
    
    :param subject: 邮件主题
    :param body: 邮件正文
    :param to_emails: 收件人邮箱列表
    """
    sender_email = 'your_email@example.com'
    sender_password = 'your_password'

    message = MIMEMultipart()
    message['From'] = sender_email
    message['To'] = ', '.join(to_emails)
    message['Subject'] = subject

    message.attach(MIMEText(body, 'plain'))

    try:
        server = smtplib.SMTP('smtp.example.com', 587)
        server.starttls()
        server.login(sender_email, sender_password)
        text = message.as_string()
        server.sendmail(sender_email, to_emails, text)
        server.quit()
        print("邮件发送成功")
    except Exception as e:
        print(f"邮件发送失败：{e}")

# 示例使用
subject = "本周工作报告"
body = "这是本周的工作报告，请查收。"
to_emails = ['alice@example.com', 'bob@example.com']
send_email(subject, body, to_emails)

输出结果：

邮件发送成功

7. 数据可视化

数据分析过程中，图表能够帮助更好地理解数据。使用 matplotlib 库可以轻松绘制各种图表。

import matplotlib.pyplot as plt
import pandas as pd

def plot_data(data, title, x_label, y_label):
    """
    绘制数据图表。
    
    :param data: 数据 DataFrame
    :param title: 图表
    :param x_label: X 轴标签
    :param y_label: Y 轴标签
    """
    plt.figure(figsize=(10, 6))
    plt.plot(data[x_label], data[y_label])
    plt.title(title)
    plt.xlabel(x_label)
    plt.ylabel(y_label)
    plt.grid(True)
    plt.show()

# 示例使用
data = pd.DataFrame({
    'Month': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'],
    'Sales': [200, 250, 300, 350, 400, 450]
})
plot_data(data, 'Monthly Sales', 'Month', 'Sales')

输出结果：

绘制了一个简单的折线图，显示每月的销售数据。

8. Excel 数据批量处理

当需要对多个 Excel 文件进行相同的操作时，可以编写一个脚本来批量处理。

import pandas as pd
import os

def process_excel_files(directory):
    """
    批量处理目录下的所有 Excel 文件。
    
    :param directory: 目录路径
    """
    for filename in os.listdir(directory):
        if filename.endswith('.xlsx'):
            filepath = os.path.join(directory, filename)
            df = pd.read_excel(filepath)
            
            # 数据处理
            df['Total'] = df['Quantity'] * df['Price']
            df.dropna(inplace=True)
            
            # 保存处理后的数据
            output_path = os.path.join(directory, f"processed_{filename}")
            df.to_excel(output_path, index=False)
            print(f"处理并保存文件 {output_path}")

# 示例使用
directory = 'C:\\Users\\YourName\\Documents\\sales_data'
process_excel_files(directory)

输出结果：

处理并保存文件 C:\Users\YourName\Documents\sales_data\processed_sales1.xlsx
处理并保存文件 C:\Users\YourName\Documents\sales_data\processed_sales2.xlsx

9. 自动化生成报告

在定期汇报工作中，自动生成报告可以节省大量时间。使用 pandas 和 openpyxl 库可以实现这一目标。

import pandas as pd
from openpyxl import Workbook
from openpyxl.utils.dataframe import dataframe_to_rows

def generate_report(data, output_path):
    """
    生成 Excel 报告。
    
    :param data: 数据 DataFrame
    :param output_path: 输出文件路径
    """
    wb = Workbook()
    ws = wb.active
    ws.title = 'Report'

    for r in dataframe_to_rows(data, index=False, header=True):
        ws.append(r)

    wb.save(output_path)
    print(f"报告已生成：{output_path}")

# 示例使用
data = pd.DataFrame({
    'Month': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'],
    'Sales': [200, 250, 300, 350, 400, 450]
})
generate_report(data, 'monthly_report.xlsx')

输出结果：

报告已生成：monthly_report.xlsx

10. 文件压缩与解压

处理大量文件时，压缩与解压文件可以节省存储空间。使用 zipfile 模块可以轻松实现。

import zipfile
import os

def compress_files(directory, output_path):
    """
    压缩指定目录下的所有文件。
    
    :param directory: 目录路径
    :param output_path: 输出文件路径
    """
    with zipfile.ZipFile(output_path, 'w', zipfile.ZIP_DEFLATED) as zipf:
        for root, dirs, files in os.walk(directory):
            for file in files:
                file_path = os.path.join(root, file)
                zipf.write(file_path, os.path.relpath(file_path, directory))
                print(f"压缩文件 {file_path}")

# 示例使用
directory = 'C:\\Users\\YourName\\Documents\\project_files'
output_path = 'project_files.zip'
compress_files(directory, output_path)

输出结果：

压缩文件 C:\Users\YourName\Documents\project_files\file1.txt
压缩文件 C:\Users\YourName\Documents\project_files\file2.txt

11. 实战案例：自动化数据处理与报告生成

假设你是一名财务分析师，每天需要处理大量的销售数据，并生成一份报告。以下是一个完整的自动化脚本示例：

import pandas as pd
import matplotlib.pyplot as plt
from openpyxl import Workbook
from openpyxl.utils.dataframe import dataframe_to_rows
import zipfile
import os
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart

def process_data(input_directory, output_directory):
    """
    处理数据并生成报告。
    
    :param input_directory: 输入数据目录
    :param output_directory: 输出数据目录
    """
    # 读取数据
    data = pd.DataFrame()
    for filename in os.listdir(input_directory):
        if filename.endswith('.xlsx'):
            filepath = os.path.join(input_directory, filename)
            df = pd.read_excel(filepath)
            data = pd.concat([data, df])

    # 数据处理
    data['Total'] = data['Quantity'] * data['Price']
    data.dropna(inplace=True)

    # 保存处理后的数据
    output_path = os.path.join(output_directory, 'processed_data.xlsx')
    data.to_excel(output_path, index=False)
    print(f"处理并保存数据：{output_path}")

    # 生成图表
    plt.figure(figsize=(10, 6))
    plt.plot(data['Date'], data['Total'])
    plt.title('Monthly Sales')
    plt.xlabel('Date')
    plt.ylabel('Total Sales')
    plt.grid(True)
    plt.savefig(os.path.join(output_directory, 'sales_chart.png'))
    print("图表已生成")

    # 生成报告
    wb = Workbook()
    ws = wb.active
    ws.title = 'Report'

    for r in dataframe_to_rows(data, index=False, header=True):
        ws.append(r)

    wb.save(os.path.join(output_directory, 'monthly_report.xlsx'))
    print("报告已生成")

    # 压缩文件
    with zipfile.ZipFile(os.path.join(output_directory, 'monthly_data.zip'), 'w', zipfile.ZIP_DEFLATED) as zipf:
        for root, dirs, files in os.walk(output_directory):
            for file in files:
                file_path = os.path.join(root, file)
                zipf.write(file_path, os.path.relpath(file_path, output_directory))
                print(f"压缩文件 {file_path}")

    # 发送邮件
    sender_email = 'your_email@example.com'
    sender_password = 'your_password'
    to_emails = ['alice@example.com', 'bob@example.com']

    message = MIMEMultipart()
    message['From'] = sender_email
    message['To'] = ', '.join(to_emails)
    message['Subject'] = 'Monthly Report'

    with open(os.path.join(output_directory, 'monthly_report.xlsx'), 'rb') as file:
        attachment = file.read()
        part = MIMEBase('application', 'octet-stream')
        part.set_payload(attachment)
        encoders.encode_base64(part)
        part.add_header('Content-Disposition', f'attachment; filename=monthly_report.xlsx')
        message.attach(part)

    with open(os.path.join(output_directory, 'sales_chart.png'), 'rb') as file:
        attachment = file.read()
        part = MIMEBase('application', 'octet-stream')
        part.set_payload(attachment)
        encoders.encode_base64(part)
        part.add_header('Content-Disposition', f'attachment; filename=sales_chart.png')
        message.attach(part)

    try:
        server = smtplib.SMTP('smtp.example.com', 587)
        server.starttls()
        server.login(sender_email, sender_password)
        text = message.as_string()
        server.sendmail(sender_email, to_emails, text)
        server.quit()
        print("邮件发送成功")
    except Exception as e:
        print(f"邮件发送失败：{e}")

# 示例使用
input_directory = 'C:\\Users\\YourName\\Documents\\sales_data'
output_directory = 'C:\\Users\\YourName\\Documents\\reports'
process_data(input_directory, output_directory)

输出结果：

处理并保存数据：C:\Users\YourName\Documents\reports\processed_data.xlsx
图表已生成
报告已生成
压缩文件 monthly_report.xlsx
压缩文件 sales_chart.png
压缩文件 processed_data.xlsx
邮件发送成功

总结

本文介绍了多种 Python 脚本，用于提高日常工作的效率。通过自动化批量创建文件夹、重命名文件、处理 Excel 数据、合并 PDF 文件、批量替换文本内容、发送邮件、数据可视化、批量处理 Excel 文件、生成报告、压缩文件等功能，可以显著减少重复性工作。希望这些工具能帮助你更高效地完成工作任务。

文章详情

Python增强办公效率的 11 个实用代码段

1. 快速生成批量文件夹

2. 批量重命名文件

3. Excel 数据处理

4. PDF 文档合并

5. 文本内容替换

6. 发送邮件自动化

7. 数据可视化

8. Excel 数据批量处理

9. 自动化生成报告

10. 文件压缩与解压

11. 实战案例：自动化数据处理与报告生成

总结

软考中级精品资料免费领

相关文章

猜你喜欢

Python增强办公效率的 11 个实用代码段