前言每月一度的报表地狱兄弟们你们公司有没有这种情况每到月底领导甩来一个Excel文件里面几千行数据然后轻描淡写地说一句——把这个月的销售数据分析一下做个报表明天早上给我。明天早上这Excel光打开就要等30秒数据列多到横向滚动条拉到手抽筋。你默默打开Excel开始vlookup、数据透视表、条件格式……一顿操作猛如虎抬头一看凌晨两点。后来我学聪明了让AI帮我分析数据、生成报表、甚至直接给出结论和建议。现在同样的工作3分钟搞定剩下的时间用来摸鱼。今天就手把手教你搞一个AI驱动的Excel数据分析工具学完直接用到工作里效率起飞。一、项目架构我们要做什么先说清楚这个工具能干啥读取Excel文件支持.xlsx和.csv格式自动数据分析基础统计、趋势分析、异常检测AI智能解读让DeepSeek帮你写分析报告自动生成图表柱状图、折线图、饼图一键生成导出分析报告生成一份可以直接交给领导的报告技术栈Python pandas matplotlib DeepSeek API二、环境准备2.1 安装依赖pip install openai pandas openpyxl matplotlib python-dotenv一行搞定没有什么花里胡哨的依赖。pandas负责数据处理matplotlib负责画图openai负责调DeepSeek的API。2.2 项目结构excel-ai-analyzer/ ├── .env # API Key ├── analyzer.py # 核心分析引擎 ├── report_gen.py # 报告生成器 ├── charts.py # 图表生成 ├── data/ # 放你的Excel文件 │ └── 销售数据.xlsx └── output/ # 输出报告和图表 ├── report.md └── charts/三、核心代码数据分析引擎3.1 读取并预处理数据先来最基础的——把Excel读进来做一些预处理import pandas as pd import os class ExcelAnalyzer: def __init__(self, file_path): self.file_path file_path self.df self._load_data() def _load_data(self): 智能读取Excel或CSV ext os.path.splitext(self.file_path)[1].lower() if ext .csv: df pd.read_csv(self.file_path, encodingutf-8) elif ext in [.xlsx, .xls]: df pd.read_excel(self.file_path) else: raise ValueError(f不支持的格式{ext}) # 基础清洗 df.columns df.columns.str.strip() # 去掉列名空格 df df.dropna(howall) # 删掉全空行 print(f✅ 数据加载成功{df.shape[0]}行 x {df.shape[1]}列) return df def basic_stats(self): 基础统计信息 stats { 总行数: len(self.df), 总列数: len(self.df.columns), 列名: list(self.df.columns), 数值列统计: {}, 缺失值: {} } # 数值列统计 numeric_cols self.df.select_dtypes(includenumber).columns for col in numeric_cols: stats[数值列统计][col] { 平均值: round(self.df[col].mean(), 2), 最大值: round(self.df[col].max(), 2), 最小值: round(self.df[col].min(), 2), 中位数: round(self.df[col].median(), 2), 总和: round(self.df[col].sum(), 2) } # 缺失值统计 missing self.df.isnull().sum() stats[缺失值] {col: int(v) for col, v in missing.items() if v 0} return stats这个类能自动识别文件格式、清洗数据、生成基础统计。到这一步其实已经比很多人手动操作Excel快了。3.2 AI智能分析让DeepSeek帮你写报告基础统计谁都会但关键是怎么解读数据、给出结论和建议。这才是老板真正想要的东西。以前你得盯着数字想半天现在直接丢给AIfrom openai import OpenAI from dotenv import load_dotenv class AIReportGenerator: def __init__(self): load_dotenv() self.client OpenAI( api_keyos.getenv(DEEPSEEK_API_KEY), base_urlhttps://api.deepseek.com ) def generate_analysis(self, stats, sample_data): AI生成数据分析报告 prompt f你是一个资深数据分析师请根据以下数据统计信息生成一份专业的分析报告。 数据概况 - 总数据量{stats[总行数]}行 x {stats[总列数]}列 - 字段{, .join(stats[列名])} 数值列统计 {self._format_stats(stats[数值列统计])} 数据样本前5行 {sample_data} 请生成报告包含 1. 【数据概览】简述数据基本情况 2. 【关键发现】3-5个最重要的数据洞察 3. 【趋势分析】数据趋势和规律 4. 【异常提醒】需要关注的异常数据 5. 【行动建议】基于数据给出3条可执行的建议 语气专业但易懂适合给管理层看。 response self.client.chat.completions.create( modeldeepseek-chat, messages[ {role: system, content: 你是资深数据分析师擅长从数据中提取商业洞察。}, {role: user, content: prompt} ], temperature0.7, max_tokens3000 ) return response.choices[0].message.content def _format_stats(self, stats_dict): result [] for col, values in stats_dict.items(): line f {col}: 均值{values[平均值]}, 最大{values[最大值]}, 最小{values[最小值]}, 总和{values[总和]} result.append(line) return \n.join(result)这段代码把数据统计结果和样本数据丢给DeepSeek让它像一个真正的数据分析师一样帮你写分析报告。关键是prompt里要明确告诉AI你需要什么结构的输出——概览、发现、趋势、异常、建议五个板块一气呵成。3.3 自动生成图表报告光有文字不够领导更喜欢看图。来个自动生成图表的模块import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams[font.sans-serif] [SimHei] # 中文显示 matplotlib.rcParams[axes.unicode_minus] False class ChartGenerator: def __init__(self, df, output_diroutput/charts): self.df df self.output_dir output_dir os.makedirs(output_dir, exist_okTrue) def auto_charts(self): 自动识别数据类型并生成合适的图表 charts [] numeric_cols self.df.select_dtypes(includenumber).columns # 1. 数值列的分布图 if len(numeric_cols) 1: fig, axes plt.subplots(1, min(len(numeric_cols), 3), figsize(5*min(len(numeric_cols),3), 4)) if len(numeric_cols) 1: axes [axes] for i, col in enumerate(numeric_cols[:3]): axes[i].hist(self.df[col].dropna(), bins20, color#667eea, alpha0.7, edgecolorwhite) axes[i].set_title(f{col} 分布) axes[i].set_xlabel(col) axes[i].set_ylabel(频次) plt.tight_layout() path f{self.output_dir}/distribution.png plt.savefig(path, dpi150, bbox_inchestight) plt.close() charts.append(path) # 2. Top10排行榜如果有分类列数值列 cat_cols self.df.select_dtypes(includeobject).columns if len(cat_cols) 1 and len(numeric_cols) 1: cat_col cat_cols[0] num_col numeric_cols[0] top10 self.df.groupby(cat_col)[num_col].sum().nlargest(10) fig, ax plt.subplots(figsize(10, 6)) top10.plot(kindbarh, axax, color#667eea) ax.set_title(f{cat_col} Top10 - {num_col}) ax.set_xlabel(num_col) plt.tight_layout() path f{self.output_dir}/top10.png plt.savefig(path, dpi150, bbox_inchestight) plt.close() charts.append(path) print(f 已生成 {len(charts)} 张图表) return charts这个ChartGenerator会自动判断数据类型数值列画分布图分类列数值列画Top10排行。不需要你手动指定画什么图全自动搞定。四、整合一键运行完整流程把上面三个模块串起来实现一键分析class ExcelAIAssistant: 一键Excel数据分析助手 def __init__(self, api_keyNone): load_dotenv() self.ai AIReportGenerator() def analyze(self, file_path): print( 开始分析...) print(*50) # Step 1: 加载数据 analyzer ExcelAnalyzer(file_path) # Step 2: 基础统计 print(\n 正在计算统计信息...) stats analyzer.basic_stats() # Step 3: 生成图表 print(\n 正在生成图表...) chart_gen ChartGenerator(analyzer.df) charts chart_gen.auto_charts() # Step 4: AI分析 print(\n AI正在分析数据...) sample analyzer.df.head().to_string() report self.ai.generate_analysis(stats, sample) # Step 5: 输出报告 self._save_report(report, stats, charts) print(\n✅ 分析完成报告已保存到 output/report.md) print(*50) return report def _save_report(self, ai_report, stats, charts): os.makedirs(output, exist_okTrue) with open(output/report.md, w, encodingutf-8) as f: f.write(# 数据分析报告\n\n) f.write(f## 数据概况\n) f.write(f- 数据量{stats[总行数]}行 x {stats[总列数]}列\n) f.write(f- 字段{, .join(stats[列名])}\n\n) f.write(## AI分析报告\n\n) f.write(ai_report) f.write(\n\n## 图表\n\n) for chart in charts: f.write(f\n\n) # 使用方式 if __name__ __main__: assistant ExcelAIAssistant() report assistant.analyze(data/销售数据.xlsx) print(report)5个步骤全自动流水线加载 → 统计 → 画图 → AI分析 → 输出报告。你要做的就是把Excel文件丢进data文件夹然后跑一行命令完事儿。五、实际效果展示我用一份模拟的月度销售数据跑了一下AI生成的分析报告节选【关键发现】1. 华东区域销售额占比达38.5%是当前最大的收入来源但环比增长仅2.1%增长动力不足。2. 新客户转化率从上月的12.3%下降至9.8%降幅达20.3%需要重点关注获客策略。3. C类产品毛利率高达65%但销售额仅占总额的8.2%存在较大的增长空间。【行动建议】1. 建议加大C类产品的市场推广力度其高毛利特性可显著提升整体利润率。2. 华南区域同比增长45%建议增加该区域的销售团队配置。3. 针对新客转化率下降的问题建议Review当前的获客渠道ROI优化投放策略。你看这份报告的质量是不是比你自己写的还像那么回事儿领导看到这种带数据、有洞察、给建议的报告想不给你打A都难。六、进阶技巧6.1 自定义分析维度如果你想让AI重点分析某个方面可以在prompt里加料# 指定分析重点 extra_prompt 请重点分析各区域的销售趋势对比以及产品品类的利润贡献度 report assistant.ai.generate_analysis(stats, sample, extra_focusextra_prompt)6.2 多文件对比分析# 同时分析多个月份的数据 files [data/1月销售.xlsx, data/2月销售.xlsx, data/3月销售.xlsx] for f in files: assistant.analyze(f) # AI自动对比各月趋势变化6.3 定时自动化配合Windows任务计划程序或者Linux的crontab可以实现每月自动生成报告# crontab -e # 每月1号早上8点自动跑分析 0 8 1 * * cd /path/to/project python analyzer.py老板还没问你要报表报表已经躺在他邮箱里了。你说这波是不是直接封神七、踩坑记录坑1中文乱码matplotlib默认不支持中文图表里中文全是方框。加上rcParams[font.sans-serif] [SimHei]就好了。Mac用户用[Arial Unicode MS]。坑2Excel列名有空格有些Excel列名前后带空格导致匹配不上。用df.columns df.columns.str.strip()一行解决。坑3数据量太大Token超限别把整个Excel丢给AI几万行数据Token直接爆炸。只传统计摘要和样本数据就够了AI要的是特征不是原始数据。八、下一篇预告下一篇我们要搞一个更实用的项目AI智能翻译工具支持多语言、保留专业术语、批量翻译文档对接多种大模型DeepSeek、GPT、文心一言一键切换Web界面不用命令行浏览器里直接用想看的兄弟点个订阅不然下篇你可能就刷不到了。总结今天我们用Python pandas DeepSeek API搭建了一个自动化Excel数据分析工具。整个项目核心代码大概150行但能帮你从处理Excel 3小时变成跑脚本3分钟自动生成专业图表不用再手动调格式AI帮你写分析报告省掉最痛苦的解读数据环节这些技能不管你是做运营、做产品还是做开发都用得上。数据分析能力 AI工具 职场核武器。完整源码获取订阅本专栏后在评论区留言源码我会私发给你。如果这篇文章对你有帮助别忘了点赞收藏关注三连你的支持是我更新的最大动力下篇见
【AI实战第2篇】Python+DeepSeek自动化Excel数据分析：3分钟生成老板想要的报表（附源码）
发布时间：2026/6/6 23:59:24
前言每月一度的报表地狱兄弟们你们公司有没有这种情况每到月底领导甩来一个Excel文件里面几千行数据然后轻描淡写地说一句——把这个月的销售数据分析一下做个报表明天早上给我。明天早上这Excel光打开就要等30秒数据列多到横向滚动条拉到手抽筋。你默默打开Excel开始vlookup、数据透视表、条件格式……一顿操作猛如虎抬头一看凌晨两点。后来我学聪明了让AI帮我分析数据、生成报表、甚至直接给出结论和建议。现在同样的工作3分钟搞定剩下的时间用来摸鱼。今天就手把手教你搞一个AI驱动的Excel数据分析工具学完直接用到工作里效率起飞。一、项目架构我们要做什么先说清楚这个工具能干啥读取Excel文件支持.xlsx和.csv格式自动数据分析基础统计、趋势分析、异常检测AI智能解读让DeepSeek帮你写分析报告自动生成图表柱状图、折线图、饼图一键生成导出分析报告生成一份可以直接交给领导的报告技术栈Python pandas matplotlib DeepSeek API二、环境准备2.1 安装依赖pip install openai pandas openpyxl matplotlib python-dotenv一行搞定没有什么花里胡哨的依赖。pandas负责数据处理matplotlib负责画图openai负责调DeepSeek的API。2.2 项目结构excel-ai-analyzer/ ├── .env # API Key ├── analyzer.py # 核心分析引擎 ├── report_gen.py # 报告生成器 ├── charts.py # 图表生成 ├── data/ # 放你的Excel文件 │ └── 销售数据.xlsx └── output/ # 输出报告和图表 ├── report.md └── charts/三、核心代码数据分析引擎3.1 读取并预处理数据先来最基础的——把Excel读进来做一些预处理import pandas as pd import os class ExcelAnalyzer: def __init__(self, file_path): self.file_path file_path self.df self._load_data() def _load_data(self): 智能读取Excel或CSV ext os.path.splitext(self.file_path)[1].lower() if ext .csv: df pd.read_csv(self.file_path, encodingutf-8) elif ext in [.xlsx, .xls]: df pd.read_excel(self.file_path) else: raise ValueError(f不支持的格式{ext}) # 基础清洗 df.columns df.columns.str.strip() # 去掉列名空格 df df.dropna(howall) # 删掉全空行 print(f✅ 数据加载成功{df.shape[0]}行 x {df.shape[1]}列) return df def basic_stats(self): 基础统计信息 stats { 总行数: len(self.df), 总列数: len(self.df.columns), 列名: list(self.df.columns), 数值列统计: {}, 缺失值: {} } # 数值列统计 numeric_cols self.df.select_dtypes(includenumber).columns for col in numeric_cols: stats[数值列统计][col] { 平均值: round(self.df[col].mean(), 2), 最大值: round(self.df[col].max(), 2), 最小值: round(self.df[col].min(), 2), 中位数: round(self.df[col].median(), 2), 总和: round(self.df[col].sum(), 2) } # 缺失值统计 missing self.df.isnull().sum() stats[缺失值] {col: int(v) for col, v in missing.items() if v 0} return stats这个类能自动识别文件格式、清洗数据、生成基础统计。到这一步其实已经比很多人手动操作Excel快了。3.2 AI智能分析让DeepSeek帮你写报告基础统计谁都会但关键是怎么解读数据、给出结论和建议。这才是老板真正想要的东西。以前你得盯着数字想半天现在直接丢给AIfrom openai import OpenAI from dotenv import load_dotenv class AIReportGenerator: def __init__(self): load_dotenv() self.client OpenAI( api_keyos.getenv(DEEPSEEK_API_KEY), base_urlhttps://api.deepseek.com ) def generate_analysis(self, stats, sample_data): AI生成数据分析报告 prompt f你是一个资深数据分析师请根据以下数据统计信息生成一份专业的分析报告。 数据概况 - 总数据量{stats[总行数]}行 x {stats[总列数]}列 - 字段{, .join(stats[列名])} 数值列统计 {self._format_stats(stats[数值列统计])} 数据样本前5行 {sample_data} 请生成报告包含 1. 【数据概览】简述数据基本情况 2. 【关键发现】3-5个最重要的数据洞察 3. 【趋势分析】数据趋势和规律 4. 【异常提醒】需要关注的异常数据 5. 【行动建议】基于数据给出3条可执行的建议 语气专业但易懂适合给管理层看。 response self.client.chat.completions.create( modeldeepseek-chat, messages[ {role: system, content: 你是资深数据分析师擅长从数据中提取商业洞察。}, {role: user, content: prompt} ], temperature0.7, max_tokens3000 ) return response.choices[0].message.content def _format_stats(self, stats_dict): result [] for col, values in stats_dict.items(): line f {col}: 均值{values[平均值]}, 最大{values[最大值]}, 最小{values[最小值]}, 总和{values[总和]} result.append(line) return \n.join(result)这段代码把数据统计结果和样本数据丢给DeepSeek让它像一个真正的数据分析师一样帮你写分析报告。关键是prompt里要明确告诉AI你需要什么结构的输出——概览、发现、趋势、异常、建议五个板块一气呵成。3.3 自动生成图表报告光有文字不够领导更喜欢看图。来个自动生成图表的模块import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams[font.sans-serif] [SimHei] # 中文显示 matplotlib.rcParams[axes.unicode_minus] False class ChartGenerator: def __init__(self, df, output_diroutput/charts): self.df df self.output_dir output_dir os.makedirs(output_dir, exist_okTrue) def auto_charts(self): 自动识别数据类型并生成合适的图表 charts [] numeric_cols self.df.select_dtypes(includenumber).columns # 1. 数值列的分布图 if len(numeric_cols) 1: fig, axes plt.subplots(1, min(len(numeric_cols), 3), figsize(5*min(len(numeric_cols),3), 4)) if len(numeric_cols) 1: axes [axes] for i, col in enumerate(numeric_cols[:3]): axes[i].hist(self.df[col].dropna(), bins20, color#667eea, alpha0.7, edgecolorwhite) axes[i].set_title(f{col} 分布) axes[i].set_xlabel(col) axes[i].set_ylabel(频次) plt.tight_layout() path f{self.output_dir}/distribution.png plt.savefig(path, dpi150, bbox_inchestight) plt.close() charts.append(path) # 2. Top10排行榜如果有分类列数值列 cat_cols self.df.select_dtypes(includeobject).columns if len(cat_cols) 1 and len(numeric_cols) 1: cat_col cat_cols[0] num_col numeric_cols[0] top10 self.df.groupby(cat_col)[num_col].sum().nlargest(10) fig, ax plt.subplots(figsize(10, 6)) top10.plot(kindbarh, axax, color#667eea) ax.set_title(f{cat_col} Top10 - {num_col}) ax.set_xlabel(num_col) plt.tight_layout() path f{self.output_dir}/top10.png plt.savefig(path, dpi150, bbox_inchestight) plt.close() charts.append(path) print(f 已生成 {len(charts)} 张图表) return charts这个ChartGenerator会自动判断数据类型数值列画分布图分类列数值列画Top10排行。不需要你手动指定画什么图全自动搞定。四、整合一键运行完整流程把上面三个模块串起来实现一键分析class ExcelAIAssistant: 一键Excel数据分析助手 def __init__(self, api_keyNone): load_dotenv() self.ai AIReportGenerator() def analyze(self, file_path): print( 开始分析...) print(*50) # Step 1: 加载数据 analyzer ExcelAnalyzer(file_path) # Step 2: 基础统计 print(\n 正在计算统计信息...) stats analyzer.basic_stats() # Step 3: 生成图表 print(\n 正在生成图表...) chart_gen ChartGenerator(analyzer.df) charts chart_gen.auto_charts() # Step 4: AI分析 print(\n AI正在分析数据...) sample analyzer.df.head().to_string() report self.ai.generate_analysis(stats, sample) # Step 5: 输出报告 self._save_report(report, stats, charts) print(\n✅ 分析完成报告已保存到 output/report.md) print(*50) return report def _save_report(self, ai_report, stats, charts): os.makedirs(output, exist_okTrue) with open(output/report.md, w, encodingutf-8) as f: f.write(# 数据分析报告\n\n) f.write(f## 数据概况\n) f.write(f- 数据量{stats[总行数]}行 x {stats[总列数]}列\n) f.write(f- 字段{, .join(stats[列名])}\n\n) f.write(## AI分析报告\n\n) f.write(ai_report) f.write(\n\n## 图表\n\n) for chart in charts: f.write(f\n\n) # 使用方式 if __name__ __main__: assistant ExcelAIAssistant() report assistant.analyze(data/销售数据.xlsx) print(report)5个步骤全自动流水线加载 → 统计 → 画图 → AI分析 → 输出报告。你要做的就是把Excel文件丢进data文件夹然后跑一行命令完事儿。五、实际效果展示我用一份模拟的月度销售数据跑了一下AI生成的分析报告节选【关键发现】1. 华东区域销售额占比达38.5%是当前最大的收入来源但环比增长仅2.1%增长动力不足。2. 新客户转化率从上月的12.3%下降至9.8%降幅达20.3%需要重点关注获客策略。3. C类产品毛利率高达65%但销售额仅占总额的8.2%存在较大的增长空间。【行动建议】1. 建议加大C类产品的市场推广力度其高毛利特性可显著提升整体利润率。2. 华南区域同比增长45%建议增加该区域的销售团队配置。3. 针对新客转化率下降的问题建议Review当前的获客渠道ROI优化投放策略。你看这份报告的质量是不是比你自己写的还像那么回事儿领导看到这种带数据、有洞察、给建议的报告想不给你打A都难。六、进阶技巧6.1 自定义分析维度如果你想让AI重点分析某个方面可以在prompt里加料# 指定分析重点 extra_prompt 请重点分析各区域的销售趋势对比以及产品品类的利润贡献度 report assistant.ai.generate_analysis(stats, sample, extra_focusextra_prompt)6.2 多文件对比分析# 同时分析多个月份的数据 files [data/1月销售.xlsx, data/2月销售.xlsx, data/3月销售.xlsx] for f in files: assistant.analyze(f) # AI自动对比各月趋势变化6.3 定时自动化配合Windows任务计划程序或者Linux的crontab可以实现每月自动生成报告# crontab -e # 每月1号早上8点自动跑分析 0 8 1 * * cd /path/to/project python analyzer.py老板还没问你要报表报表已经躺在他邮箱里了。你说这波是不是直接封神七、踩坑记录坑1中文乱码matplotlib默认不支持中文图表里中文全是方框。加上rcParams[font.sans-serif] [SimHei]就好了。Mac用户用[Arial Unicode MS]。坑2Excel列名有空格有些Excel列名前后带空格导致匹配不上。用df.columns df.columns.str.strip()一行解决。坑3数据量太大Token超限别把整个Excel丢给AI几万行数据Token直接爆炸。只传统计摘要和样本数据就够了AI要的是特征不是原始数据。八、下一篇预告下一篇我们要搞一个更实用的项目AI智能翻译工具支持多语言、保留专业术语、批量翻译文档对接多种大模型DeepSeek、GPT、文心一言一键切换Web界面不用命令行浏览器里直接用想看的兄弟点个订阅不然下篇你可能就刷不到了。总结今天我们用Python pandas DeepSeek API搭建了一个自动化Excel数据分析工具。整个项目核心代码大概150行但能帮你从处理Excel 3小时变成跑脚本3分钟自动生成专业图表不用再手动调格式AI帮你写分析报告省掉最痛苦的解读数据环节这些技能不管你是做运营、做产品还是做开发都用得上。数据分析能力 AI工具 职场核武器。完整源码获取订阅本专栏后在评论区留言源码我会私发给你。如果这篇文章对你有帮助别忘了点赞收藏关注三连你的支持是我更新的最大动力下篇见
