项目1：销售数据分析报表自动化，我用Python替代了3小时的手工工作

2026-03-01

大家好，我是正在实战各种AI项目的程序员晚枫。

欢迎来到实战项目部分！这是第一个项目：销售数据分析报表自动化。

很多公司每天/每周都要做销售报表，手工操作耗时耗力。这个项目教你用Python全自动完成，从数据读取到报表生成，一键搞定！

项目背景

需求场景

你是某电商公司的数据分析师，每天需要：

读取前一天的订单数据（CSV格式）
计算各项KPI指标
制作可视化图表
生成Excel报告并邮件发送给管理层

目标产出

一个Python脚本，运行后自动完成以上所有工作。

准备数据

import pandas as pd
import numpy as np
from datetime import datetime, timedelta

# 生成模拟销售数据（实际项目中从数据库或文件读取）
np.random.seed(42)

def generate_sales_data(start_date, days=30):
    """生成模拟销售数据"""
    dates = pd.date_range(start=start_date, periods=days, freq='D')
    
    data = []
    for date in dates:
        n_orders = np.random.randint(50, 150)
        for _ in range(n_orders):
            data.append({
                '订单ID': f"ORD{np.random.randint(100000, 999999)}",
                '日期': date,
                '产品类别': np.random.choice(['电子产品', '服装', '食品', '家居']),
                '产品名称': np.random.choice(['iPhone', 'T恤', '零食', '杯子']),
                '单价': np.random.randint(50, 5000),
                '数量': np.random.randint(1, 5),
                '地区': np.random.choice(['华北', '华东', '华南', '西南']),
                '销售员': np.random.choice(['张三', '李四', '王五', '赵六'])
            })
    
    return pd.DataFrame(data)

# 生成数据
df = generate_sales_data('2024-01-01', 30)
df['金额'] = df['单价'] * df['数量']

# 保存为CSV（模拟真实数据源）
df.to_csv('sales_data.csv', index=False, encoding='utf-8-sig')
print(f"生成了 {len(df)} 条销售记录")

核心分析模块

class SalesAnalyzer:
    def __init__(self, data_path):
        self.df = pd.read_csv(data_path, encoding='utf-8-sig')
        self.df['日期'] = pd.to_datetime(self.df['日期'])
        print(f"加载了 {len(self.df)} 条记录")
    
    def calculate_kpis(self):
        """计算关键指标"""
        kpis = {
            '总销售额': self.df['金额'].sum(),
            '总订单数': len(self.df),
            '平均客单价': self.df['金额'].mean(),
            '日均销售额': self.df.groupby('日期')['金额'].sum().mean(),
            '最高单日销售': self.df.groupby('日期')['金额'].sum().max(),
            '总销量': self.df['数量'].sum(),
        }
        return kpis
    
    def category_analysis(self):
        """品类分析"""
        return self.df.groupby('产品类别').agg({
            '金额': ['sum', 'mean', 'count'],
            '数量': 'sum'
        }).round(2)
    
    def region_analysis(self):
        """地区分析"""
        return self.df.groupby('地区')['金额'].sum().sort_values(ascending=False)
    
    def daily_trend(self):
        """日销售趋势"""
        return self.df.groupby('日期')['金额'].sum()
    
    def salesperson_performance(self):
        """销售员业绩"""
        return self.df.groupby('销售员').agg({
            '金额': 'sum',
            '订单ID': 'count'
        }).rename(columns={'订单ID': '订单数'}).sort_values('金额', ascending=False)

可视化模块

import matplotlib.pyplot as plt
import seaborn as sns

class ReportVisualizer:
    def __init__(self, analyzer):
        self.analyzer = analyzer
        plt.style.use('seaborn-v0_8')
    
    def create_dashboard(self, save_path='sales_report.png'):
        """创建综合报表图"""
        fig = plt.figure(figsize=(16, 12))
        
        # 1. 日销售趋势
        ax1 = plt.subplot(2, 3, 1)
        daily = self.analyzer.daily_trend()
        ax1.plot(daily.index, daily.values, marker='o', linewidth=2)
        ax1.set_title('日销售趋势', fontsize=14, fontweight='bold')
        ax1.set_ylabel('销售额')
        ax1.grid(True, alpha=0.3)
        
        # 2. 品类占比
        ax2 = plt.subplot(2, 3, 2)
        category = self.analyzer.category_analysis()['金额']['sum']
        colors = plt.cm.Set3(np.linspace(0, 1, len(category)))
        ax2.pie(category, labels=category.index, autopct='%1.1f%%', colors=colors)
        ax2.set_title('品类销售占比', fontsize=14, fontweight='bold')
        
        # 3. 地区对比
        ax3 = plt.subplot(2, 3, 3)
        region = self.analyzer.region_analysis()
        bars = ax3.bar(region.index, region.values, color='skyblue', edgecolor='black')
        ax3.set_title('地区销售排行', fontsize=14, fontweight='bold')
        ax3.set_ylabel('销售额')
        for bar in bars:
            height = bar.get_height()
            ax3.text(bar.get_x() + bar.get_width()/2., height,
                    f'{height:,.0f}', ha='center', va='bottom')
        
        # 4. 销售员业绩
        ax4 = plt.subplot(2, 3, 4)
        sales_perf = self.analyzer.salesperson_performance()
        ax4.barh(sales_perf.index, sales_perf['金额'], color='lightcoral')
        ax4.set_title('销售员业绩排行', fontsize=14, fontweight='bold')
        ax4.set_xlabel('销售额')
        
        # 5. 品类箱线图
        ax5 = plt.subplot(2, 3, 5)
        sns.boxplot(data=self.analyzer.df, x='产品类别', y='金额', ax=ax5)
        ax5.set_title('各品类订单金额分布', fontsize=14, fontweight='bold')
        ax5.tick_params(axis='x', rotation=45)
        
        # 6. KPI指标文本
        ax6 = plt.subplot(2, 3, 6)
        ax6.axis('off')
        kpis = self.analyzer.calculate_kpis()
        kpi_text = f"""
        【关键指标】
        
        总销售额: ¥{kpis['总销售额']:,.0f}
        总订单数: {kpis['总订单数']:,}
        平均客单价: ¥{kpis['平均客单价']:.0f}
        日均销售额: ¥{kpis['日均销售额']:,.0f}
        最高单日: ¥{kpis['最高单日销售']:,.0f}
        总销量: {kpis['总销量']:,}件
        """
        ax6.text(0.1, 0.5, kpi_text, fontsize=12, verticalalignment='center',
                family='monospace', bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.5))
        
        plt.suptitle('销售数据分析报表', fontsize=18, fontweight='bold', y=0.98)
        plt.tight_layout(rect=[0, 0, 1, 0.96])
        plt.savefig(save_path, dpi=300, bbox_inches='tight')
        plt.close()
        
        return save_path

Excel报告生成

from openpyxl import Workbook
from openpyxl.styles import Font, Alignment, PatternFill
from openpyxl.chart import BarChart, PieChart, Reference

def generate_excel_report(analyzer, output_path='sales_report.xlsx'):
    """生成Excel格式的详细报告"""
    wb = Workbook()
    
    # 删除默认sheet
    wb.remove(wb.active)
    
    # Sheet 1: 概览
    ws_overview = wb.create_sheet("概览")
    kpis = analyzer.calculate_kpis()
    
    ws_overview['A1'] = '销售数据概览'
    ws_overview['A1'].font = Font(size=16, bold=True)
    
    row = 3
    for key, value in kpis.items():
        ws_overview[f'A{row}'] = key
        ws_overview[f'B{row}'] = value
        if isinstance(value, float):
            ws_overview[f'B{row}'].number_format = '#,##0.00'
        row += 1
    
    # Sheet 2: 品类分析
    ws_category = wb.create_sheet("品类分析")
    category_df = analyzer.category_analysis()
    category_df.to_excel(output_path, sheet_name='品类分析', startrow=0)
    
    # 保存
    wb.save(output_path)
    return output_path

主程序整合

import os
from datetime import datetime

def main():
    """主程序"""
    print("="*50)
    print("销售数据分析报表自动生成系统")
    print("="*50)
    
    # 1. 读取数据
    print("\n[1/4] 读取销售数据...")
    analyzer = SalesAnalyzer('sales_data.csv')
    
    # 2. 计算KPI
    print("[2/4] 计算关键指标...")
    kpis = analyzer.calculate_kpis()
    print(f"  ✓ 总销售额: ¥{kpis['总销售额']:,.0f}")
    print(f"  ✓ 总订单数: {kpis['总订单数']:,}")
    
    # 3. 生成可视化
    print("[3/4] 生成可视化图表...")
    visualizer = ReportVisualizer(analyzer)
    chart_path = visualizer.create_dashboard()
    print(f"  ✓ 图表已保存: {chart_path}")
    
    # 4. 生成Excel
    print("[4/4] 生成Excel报告...")
    excel_path = generate_excel_report(analyzer)
    print(f"  ✓ Excel已保存: {excel_path}")
    
    print("\n" + "="*50)
    print("报表生成完成！")
    print("="*50)

if __name__ == "__main__":
    main()

定时自动运行

import schedule
import time

def job():
    print(f"[{datetime.now()}] 开始执行日报任务...")
    main()
    print("任务完成\n")

# 每天早上9点执行
schedule.every().day.at("09:00").do(job)

print("定时任务已启动，每天早上9点自动生成报表...")
while True:
    schedule.run_pending()
    time.sleep(60)