本篇文章同步發布於 《30 天學會用 Python pandas 和 openpyxl 處理 Excel》系列文回顧與總結【Python 處理 Excel #30】

前言

這篇文章是《30 天學會用 Python pandas 和 openpyxl 處理 Excel》系列文的最後一篇文章，這個系列文的主旨是透過提升 Python 處理 Excel 檔案技巧，進而節省工作上處理 Excel 檔案的時間。

這篇文章回顧從第 1 天到第 29 天分享的內容。這段期間一共討論了 7 大主題：

1. 撰寫系列文的動機
2. Python 讀取 Excel 檔案
3. Python 基本資料處理技巧
4. Python 進階資料處理技巧
5. Python 輸出 Excel 檔案
6. 專案打包與交付
7. 實戰案例分享

以下將所有文章按照這 7 大主題分類，讓有興趣的讀者找到相關內容。

1. 撰寫系列文的動機

這個階段分享用 Python 處理 Excel 檔案的初衷。在工作中遇到什麼處理 Excel 檔案的困難？為什麼選擇 Python 而不是 VBA？

• 因為不熟 VBA，只好用 Python 寫 Excel 【Python 處理 Excel #1】

2. Python 讀取 Excel 檔案

這個階段介紹安裝 Python pandas 套件的方法，以及如何用 pandas 讀取 Excel 檔案。

• Python pandas 讀取 Excel 檔案【Python 處理 Excel #2】

3. Python 基本資料處理技巧

這個階段包括 pandas DataFrame 的概念及其基本操作 (增加/刪除/查詢/修改/篩選/排序)、處理日期類型數據的技巧、處理缺失值的不同策略。

• Python pandas 選取與更變 DataFrame 欄位【Python 處理 Excel #3】
• Python pandas 增加 DataFrame 欄位以及 apply 用法【Python 處理 Excel #4】
• Python 如何找到未來三個月的起迄日期？【Python 處理 Excel #5】
• Python pandas 缺失值介紹：NaN 和 NaT【Python 處理 Excel #6】
• Python pandas 如何處理含有無效日期或缺失值的日期欄位？【Python 處理 Excel #7】
• Python pandas 套件如何篩選 DataFrame 資料？【Python 處理 Excel #8】
• Python pandas 套件如何排序 DataFrame 資料？【Python 處理 Excel #9】
• Python pandas 刪除 DataFrame 資料 【Python 處理 Excel #10】

4. Python 進階資料處理技巧

這個階段進入進階資料處理技巧，包括不同數據集的合併方式和注意事項、更新資料的多種方法、如何分組計算數據、如何用不同方式對數據排名。

• Python pandas 使用 merge 水平合併 DataFrame 資料 【Python 處理 Excel #11】
• Python pandas 使用 iterrows 逐一更新資料【Python 處理 Excel #12】
• 除了 sum()，Python pandas 還有哪些更新資料的方法？【Python 處理 Excel #13】
• Python pandas 使用 concat 將不同 DataFrame 垂直連接在一起【Python 處理 Excel #14】
• 使用 Python pandas 的 groupby 實現類似 Excel 樞紐分析的功能【Python 處理 Excel #15】
• Python pandas 使用 rank 得到排名【Python 處理 Excel #16】

5. Python 輸出 Excel 檔案

這個階段不僅介紹 Python 輸出 Excel 檔案的基本方式，也包括格式化 Excel 工作表的各種技巧 (儲存格格式、對齊、凍結視窗等)，還有如何使用 Python 製作 Excel 圖表，讓數據可視化。

• Python 將 pandas 的 DataFrame 輸出到 Excel 檔案【Python 處理 Excel #17】
• Python 使用 openpyxl 將多個 pandas DataFrame 輸出到同一個 Excel 檔案，以及如何刪除 Excel 工作表【Python 處理 Excel #18】
• Python 使用 openpyxl 寫入內容到 Excel 儲存格【Python 處理 Excel #19】
• Python 使用 openpyxl 設定 Excel 儲存格格式【Python 處理 Excel #20】
• Python 使用 openpyxl 調整 Excel 欄位寬度【Python 處理 Excel #21】
• Python 使用 openpyxl 調整 Excel 儲存格對齊方式【Python 處理 Excel #22】
• Python 使用 openpyxl 將 Excel 格式化為表格【Python 處理 Excel #23】
• Python 使用 openpyxl 建立 Excel 資料群組與凍結視窗【Python 處理 Excel #24】
• 如何使用 Python 的 openpyxl 建立 Excel 圖表？【Python 處理 Excel #25】

6. 專案打包與交付

這個階段關注如何讓 Python 程式更容易分享與使用，包括使用類別改善程式碼架構的原因和好處、如何製作方便使用的圖形介面，與如何將 Python 程式打包為 exe 執行檔。

• 為什麼要用類別 (Class) 包裝處理 Excel 的程式碼？有什麼優點？【Python 處理 Excel #26】
• Python 如何使用 Tkinter 套件建立能上傳 Excel 檔案的介面？【Python 處理 Excel #27】
• 如何使用 PyInstaller 將 Python 專案打包成 exe 執行檔？【Python 處理 Excel #28】

7. 實戰案例分享

最後這個階段透過實際案例，分享如何綜合運用前面所學的知識，解決工作中的 Excel 處理問題，並透過自動化的流程提升工作效率。

• 如何使用 Python 自動化處理 Excel？解決工廠訂單管理挑戰的實際案例【Python 處理 Excel #29】

總結

《30 天學會用 Python pandas 和 openpyxl 處理 Excel》系列文與其說是向他人分享如何用 Python 操作 Excel，這個系列文更像是寫給自己的技術手冊，記錄自己在工作遇到的挑戰和收獲。

生成式 AI 的幫助下，要產出程式碼變輕鬆了，很多時候忙著解決問題，沒有停下來理解 AI 產出的答案是用什麼方式解決了問題。如果不是藉由系列文的形式整理程式專案中使用到的程式碼，也不會發現自己已經學到許多 Python pandas 跟 openpyxl 套件的使用技巧，甚至還有能力使用 Python 的類別、建立圖形使用者介面、打包執行檔等等。

第一次是生成式 AI 教我如何使用這些工具，但和 AI 對話的內容總是片段、零碎。現在按主題整理好這些知識，日後遇到相關問題時就能透過文章幫助自己想起如何處理類似的問題了。

本篇文章同步發布於 《30 天學會用 Python pandas 和 openpyxl 處理 Excel》系列文回顧與總結【Python 處理 Excel #30】