第十九篇 自动化报表生成：Python一键生成可视化Excel图表与专业PDF报告，老板看了都点赞！

手工制图耗时，报表枯燥无味，PDF转换麻烦！

在职场中，数据分析的终极目标往往是生成一份清晰、专业的报表。

数据分析完成，却要花费大量时间手工制图：打开Excel，选中数据，插入图表，一个个调整标题、坐标轴、颜色，繁琐且容易审美疲劳。

制作出的报表枯燥无味，只有密密麻麻的数字，缺乏可视化图表的直观冲击力。

报表完成后，老板要求导出为专业PDF报告，但Excel转PDF格式混乱，排版变形，需要反复调整。

这些重复、低效的报表生成任务，不仅消耗你的精力，更影响你的专业形象和职场决策效率

今天，我将带你进入Python报表自动化的终极世界！我们将手把手教你如何利用Python数据可视化库Matplotlib/Seaborn，结合openpyxl和PyMuPDF，轻松实现：

Excel图表自动化嵌入： 让你的数据报表“会说话”。

专业PDF报告生成： 自动排版，告别格式烦恼。

一键式报表输出： 全面加速你的数据呈现和分发！

最终，你将拥有一个强大的**“智能报表生成系统”，成为职场中不可或缺的数据分析高手！

1.python绘制常见图表：Matplotlib与Seaborn速成

数据可视化是核心。Matplotlib和Seaborn是Python中最流行、功能最强大的两个数据可视化库。

作用：
Matplotlib： Python绘图的基础库，提供高度灵活的绘图控制。
Seaborn： 基于Matplotlib，提供更高级、更美观的统计图表绘制接口，让图表更具专业感。

安装：

`pip install matplotlib seaborn openpyxl` 

1.1 数据可视化基础：柱状图、折线图、饼图、散点图

这些是报表中最常见、最能直观呈现数据趋势和分布的图表类型。

场景： 你需要根据销售数据绘制柱状图展示产品销量对比，折线图展示销售趋势，饼图展示市场份额。

方案： Matplotlib和Seaborn提供简洁的API，几行代码就能绘制出专业图表。

代码：import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import os# 设置matplotlib支持中文显示，防止乱码（仅Windows/Linux可能需要）
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体为黑体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题def create_common_charts(data_df, output_folder="generated_charts"):"""绘制常见的柱状图、折线图、饼图、散点图。这是Python数据可视化和Excel图表自动化的基础。:param data_df: 包含数据的Pandas DataFrame:param output_folder: 图表保存的文件夹"""os.makedirs(output_folder, exist_ok=True) # 确保输出文件夹存在print("🚀 正在绘制常见图表...")# 1. 柱状图 (Bar Chart)：适合比较分类数据plt.figure(figsize=(8, 5)) # 设置图表尺寸sns.barplot(x='产品', y='销量', data=data_df) # Seaborn更简洁地绘制柱状图plt.title('各产品销量对比') # 图表标题plt.xlabel('产品名称'); plt.ylabel('销量') # 坐标轴标签plt.savefig(os.path.join(output_folder, '产品销量柱状图.png'))plt.close() # 关闭当前图表，释放内存print("   ✅ 产品销量柱状图已生成。")# 2. 折线图 (Line Chart)：适合展示趋势plt.figure(figsize=(10, 6))sns.lineplot(x='月份', y='销售额', data=data_df, marker='o')plt.title('月度销售额趋势')plt.xlabel('月份'); plt.ylabel('销售额')plt.grid(True) # 显示网格plt.savefig(os.path.join(output_folder, '月度销售额折线图.png'))plt.close()print("   ✅ 月度销售额折线图已生成。")# 3. 饼图 (Pie Chart)：适合展示占比plt.figure(figsize=(7, 7))# 计算产品销量占比product_sales_sum = data_df.groupby('产品')['销量'].sum()plt.pie(product_sales_sum, labels=product_sales_sum.index, autopct='%1.1f%%', startangle=90)plt.title('产品销量占比')plt.axis('equal') # 确保饼图是圆形plt.savefig(os.path.join(output_folder, '产品销量饼图.png'))plt.close()print("   ✅ 产品销量饼图已生成。")# 4. 散点图 (Scatter Plot)：适合展示两个变量的关系plt.figure(figsize=(8, 5))sns.scatterplot(x='销售额', y='广告投入', data=data_df)plt.title('销售额与广告投入关系')plt.xlabel('销售额'); plt.ylabel('广告投入')plt.savefig(os.path.join(output_folder, '销售额与广告投入散点图.png'))plt.close()print("   ✅ 销售额与广告投入散点图已生成。")print("✨ 常见图表绘制完成！")if __name__ == "__main__":# 准备测试数据 (DataFrame)data = {'产品': ['A', 'B', 'C', 'D','E', 'F'],'销量': [150, 200, 120, 180, 220, 170],'月份': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'],'销售额': [1000, 1200, 900, 1500, 1300, 1600],'广告投入': [200, 250, 180, 300, 260, 320]}df_charts = pd.DataFrame(data) # 简化DataFrame，实际可以从Excel读取output_charts_dir = os.path.expanduser("D://360MoveData//Users//Administrator//Desktop")os.makedirs(output_charts_dir, exist_ok=True)create_common_charts(df_charts, output_charts_dir)

操作步骤：

安装库： pip install matplotlib seaborn pandas。

修改代码路径： 复制上方代码到VS Code，保存为create_charts.py。修改 output_charts_dir。

准备数据： 代码中提供了示例DataFrame，你也可以从Excel读取数据来创建DataFrame。

运行： 在VS Code终端运行 python create_charts.py。

效果展示：

1.2 图表美化技巧：让你的数据更能吸引人

仅仅绘制出图表还不够，专业的数据可视化需要精心的美化。Python的Matplotlib和Seaborn提供了丰富的接口，让你自定义图表的每一个细节，让你的数据呈现更具说服力。

标题与坐标轴标签： 清晰明确，直接点明数据含义。

图例： 解释图表中不同元素的含义。

颜色与风格： 选择合适的配色方案，提升视觉吸引力。

网格与刻度： 辅助阅读，但不喧宾夺主。

2.将图表嵌入Excel：打造动态交互式自动化报表

绘制好图表后，我们最终还是要把它们放到Excel报表中。openpyxl库虽然不能像Excel本身那样直接操作嵌入式图表对象，但我们可以将生成的图片（图表）嵌入到Excel指定位置，打造一个图文并茂的自动化报表！

作用： 将Python生成的图表保存为图片文件，然后用openpyxl将这些图片插入到Excel工作表中。

2.1 openpyxl与图表结合：Python将图片嵌入Excel指定位置

场景： 你已经用Python生成了多个精美图表，但如何将它们自动放到Excel报表对应的位置，而不是手动截图粘贴？

方案： openpyxl的drawing.image模块能实现图片插入，精确控制图片在Excel中的位置和大小。
代码：

from openpyxl import Workbook
from openpyxl.drawing.image import Image as ExcelImage # 导入openpyxl的图片类
import os
import matplotlib.pyplot as plt # 用于生成示例图表
import pandas as pd# 假设 generate_common_charts 函数已在前面定义 (用于生成图表图片)
# 这里仅提供简化版，实际应调用你完整的图表生成逻辑def _create_sample_chart_image(output_path):"""生成一个简单的柱状图作为图片，用于嵌入Excel"""data = {'产品': ['A', 'B', 'C'], '销量': [100, 150, 80]}df = pd.DataFrame(data)plt.figure(figsize=(6, 4))plt.bar(df['产品'], df['销量'])plt.title('产品销量示意图')plt.savefig(output_path)plt.close()return output_pathdef embed_image_in_excel(excel_file_path, image_file_path, cell_anchor="A1"):"""将图片文件嵌入Excel工作表。这是Excel图表自动化和自动化报表的关键。:param excel_file_path: 目标Excel文件路径:param image_file_path: 要嵌入的图片文件路径:param cell_anchor: 图片左上角锚定的单元格位置 (如 "A1", "C5")"""if not os.path.exists(image_file_path): return print(f"❌ 图片文件不存在：{image_file_path}")os.makedirs(os.path.dirname(excel_file_path), exist_ok=True)try:# 如果Excel文件不存在，则创建新的；如果存在，则加载if os.path.exists(excel_file_path):workbook = Workbook() # load_workbook(excel_file_path) # 如果需要修改现有文件sheet = workbook.activeelse:workbook = Workbook()sheet = workbook.activesheet.title = "报表与图表"# 添加一些示例数据 (可选)sheet['A1'] = "数据总览"sheet['A2'] = "区域"sheet['B2'] = "销售额"sheet['A3'] = "华东"sheet['B3'] = 10000# **核心操作：创建Image对象并添加到工作表**img = ExcelImage(image_file_path)# 将图片添加到工作表，并锚定到指定单元格sheet.add_image(img, cell_anchor) workbook.save(excel_file_path)print(f"✅ 图片 '{os.path.basename(image_file_path)}' 已成功嵌入Excel：'{excel_file_path}'")workbook.close()except Exception as e:print(f"❌ 嵌入图片到Excel失败：{e}")if __name__ == "__main__":output_excel_path = os.path.expanduser("~/Desktop/report_with_chart.xlsx")chart_image_path = os.path.expanduser("~/Desktop/temp_chart.png")# 1. 先生成一张图表图片_create_sample_chart_image(chart_image_path)# 2. 将图表图片嵌入Excelembed_image_in_excel(output_excel_path, chart_image_path, cell_anchor="C5")

操作步骤：

准备环境： pip install openpyxl matplotlib pandas。

修改代码路径： 修改 output_excel_path 和 chart_image_path。

运行： 运行 python embed_chart_excel.py。

效果展示：

2.2 更新数据后自动刷新图表：动态报表的魅力

openpyxl直接嵌入的是图片，它本身不是Excel“活”的图表对象，不能直接随数据更新而刷新。但是，我们可以通过自动化流程实现“逻辑上的自动刷新”：每次数据更新后，重新运行Python脚本：
读取最新数据。

重新生成图表图片。
重新嵌入Excel。
虽然不是Excel内部的“活”链接，但对于自动化报表生成而言，这种“重新生成”的方式同样高效，并且能保证图表始终是最新数据的反映。
[表格：Python嵌入图表与Excel原生图表对比]

特性	Python openpyxl嵌入图片图表	Excel原生图表
生成方式	Python绘制后保存为图片，再插入	Excel内建功能创建
数据联动	不直接联动，需重新运行脚本更新	自动联动数据源，数据变化图表刷新
定制自由度	极高（Matplotlib/Seaborn所有功能）	相对受限于Excel功能
自动化程度	易于完全自动化（生成+嵌入）	宏录制/VBA可自动化，但学习成本高
文件大小	通常会略大（嵌入图片）	相对小
图注：Python嵌入图表与Excel原生图表对比，选择最适合你的报表自动化方案。

3.专业PDF报告生成：Python一键将Excel报表转换为精美PDF！

Excel报表是数据呈现的第一步，但最终分发给老板、客户时，通常需要专业PDF报告。手动从Excel导出PDF，往往排版混乱，图片位置不对。Python能帮你一键将包含数据和图表的Excel报表，转换成精美且排版专业的PDF文件！

作用：

PyMuPDF (fitz)： 一个高性能的PDF处理库，能将Excel工作表渲染成PDF页面。

reportlab (可选)： 如果需要更复杂的自定义排版，可以利用它直接从数据生成PDF。这里我们主要聚焦于Excel到PDF的转换。

安装PyMuPDF：

pip install PyMuPDF

3.1 PyMuPDF：高效导出Excel工作表为PDF

场景： 制作完Excel报表（含数据和图表），需要导出为PDF文件进行分发，但Excel自带的导出功能效果不佳。

方案： PyMuPDF可以精确地将Excel的每个工作表转换为PDF页面，并保持较好的排版。

代码：

import fitz # PyMuPDF库
import pandas as pd
import os
from PIL import Image, ImageDraw, ImageFont # 用于文字渲染到图片，或处理图表图片
import io # 用于内存中的文件操作
import matplotlib.pyplot as plt # 假设图表已生成为图片# 设置字体以支持中文，防止PDF中出现乱码
try:# 尝试加载常见的中文字体，如SimHei (黑体)# 注意：确保你的系统中有这些字体文件，或提供它们的完整路径potential_font_paths = ["C:/Windows/Fonts/simhei.ttf",  # 黑体"C:/Windows/Fonts/msyh.ttc",    # 微软雅黑"C:/Windows/Fonts/arial.ttf"    # 常用英文字体，如果只需要数字和英文页码
]for pfp in potential_font_paths:if os.path.exists(pfp):pdf_font_path = pfpprint(f"ℹ️ 已找到并使用字体：{pdf_font_path}")break# 或者对于Linux: "/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc"# 或者尝试 Arial 作为英文默认字体ImageFont.truetype(pdf_font_path, 1) # 尝试加载，如果失败会抛异常
except IOError:pdf_font_path = None # 如果找不到自定义字体，则使用fitz的默认字体def excel_to_pdf_conversion(excel_path, pdf_path, chart_image_paths=[]):"""将Excel文件内容（数据+图表图片）转换为PDF文件。这是一个结合了数据读取、图表图片嵌入的Python导出PDF报告的核心功能。:param excel_path: 源Excel数据文件路径:param pdf_path: 输出PDF文件路径:param chart_image_paths: 可选，要嵌入PDF的图表图片文件路径列表"""if not os.path.exists(excel_path):print(f"❌ Excel文件不存在：{excel_path}")return Falseos.makedirs(os.path.dirname(pdf_path), exist_ok=True)print(f"🚀 正在将Excel文件 '{os.path.basename(excel_path)}' 内容转换为PDF...")doc = fitz.open() # 创建一个新PDF文档try:# 1. 从Excel读取数据 (只读取数据，不关心格式)df = pd.read_excel(excel_path)# 2. 将DataFrame数据转换为文本或简单表格图片，并添加到PDF# 这是为了将Excel的“数据”部分转换为PDF可显示的内容# 最简单粗暴的方法是：将DataFrame转为字符串，然后渲染到图片，再插入# 更高级可以转为HTML，然后用支持HTML的库转PDF# 创建一个临时图片来渲染DataFrame的文本内容text_img_width = 800 # 渲染文本到图片的宽度text_img_height_per_line = 20 # 每行高度# 简化：只把DataFrame的前15行转成字符串添加到PDFdf_str = df.to_string(index=False, header=True, max_rows=15, max_cols=50)# 计算文本图片高度text_lines = df_str.split('\n')text_img_height = len(text_lines) * text_img_height_per_line + 50 # 50为边距# 创建空白图片，用于绘制文本text_img_pil = Image.new('RGB', (text_img_width, text_img_height), color = 'white')draw = ImageDraw.Draw(text_img_pil)# 设置字体try:# 尝试加载PDF中文字体，用于图片渲染font_for_text_img = ImageFont.truetype(pdf_font_path or "arial.ttf", 14) except Exception:font_for_text_img = ImageFont.load_default()# 绘制文本y_offset = 20for line in text_lines:draw.text((20, y_offset), line, font=font_for_text_img, fill=(0, 0, 0))y_offset += text_img_height_per_line# 将文本图片保存到内存img_byte_arr = io.BytesIO()text_img_pil.save(img_byte_arr, format='PNG')img_byte_arr = img_byte_arr.getvalue()# 添加新页面并插入文本图片#a4_page_rect = fitz.PAPERSIZE.A4 # 从矩形对象中获取宽度和高度# a4_width = a4_page_rect.width# a4_height = a4_page_rect.heighta4_width_points = 595.276a4_height_points = 841.890# 使用获取到的 A4 宽度和高度创建新页面page = doc.new_page(width=a4_width_points, height=a4_height_points) # A4尺寸# page = doc.new_page(width=fitz.A4[0], height=fitz.A4[1]) # A4尺寸# 计算图片在页面上的位置，居中放置page_width = page.rect.widthpage_height = page.rect.heightimg_rect = fitz.Rect(50, 50, 50 + text_img_width, 50 + text_img_height) # 放置在页面左上角偏移50# 检查图片是否超出页面，如果超出则调整大小if img_rect.width > page_width - 100 or img_rect.height > page_height - 100:scale_w = (page_width - 100) / text_img_widthscale_h = (page_height - 100) / text_img_heightscale = min(scale_w, scale_h)img_rect = fitz.Rect(50, 50, 50 + text_img_width * scale, 50 + text_img_height * scale)page.insert_image(img_rect, stream=img_byte_arr)# 3. 嵌入图表图片 (如果有的话，每个图表一张新页面)if chart_image_paths:for i, chart_path in enumerate(chart_image_paths):if not os.path.exists(chart_path):print(f"⚠️ 图表图片文件不存在，跳过：{chart_path}")continue# 为每个图表创建新页面#a4_page_rect = fitz.PAPERSIZE.A4 # 从矩形对象中获取宽度和高度# a4_width = a4_page_rect.width# a4_height = a4_page_rect.heighta4_width_points = 595.276a4_height_points = 841.890# 使用获取到的 A4 宽度和高度创建新页面chart_page = doc.new_page(width=a4_width_points, height=a4_height_points) # A4尺寸# chart_page = doc.new_page(width=fitz.A4[0], height=fitz.A4[1])# 插入图表图片，自适应页面大小# 获取图片原始尺寸try:with Image.open(chart_path) as chart_img_pil:chart_w, chart_h = chart_img_pil.sizeexcept Exception:print(f"❌ 无法读取图表图片尺寸：{chart_path}")continue# 计算图片在页面上的放置位置和大小，使其适应页面page_rect = chart_page.rectpadding = 50 # 边距available_w = page_rect.width - 2 * paddingavailable_h = page_rect.height - 2 * paddingscale = min(available_w / chart_w, available_h / chart_h)final_w = chart_w * scalefinal_h = chart_h * scaleinsert_rect = fitz.Rect((page_rect.width - final_w) / 2, # 居中(page_rect.height - final_h) / 2, # 居中(page_rect.width + final_w) / 2,(page_rect.height + final_h) / 2)chart_page.insert_image(insert_rect, filename=chart_path)print(f"   ✅ 嵌入图表：{os.path.basename(chart_path)}")# 4. 定制PDF：添加页码 (可选，作为定制PDF的示例)for page_num in range(doc.page_count):page = doc.load_page(page_num)page_text = f"Page {page_num + 1} / {doc.page_count}" # 页码文本# 插入文本到页面# 使用默认字体 (None) 或明确指定一个PyMuPDF内置的通用字体，如 "helv" (Helvetica)# 对于页码这种简单文本，通常内置字体就足够了page.insert_text((page.rect.width - 100, page.rect.height - 30), # 坐标 (x, y)page_text,# fontname="helv", # 明确使用Helvetica，通常是安全的内置字体# fontname=None,   # 或者让PyMuPDF自动选择默认字体fontsize=9,      # 字体大小可以稍小color=(0, 0, 0)  # 黑色)# 如果需要显示中文页码（如“第1页”），且必须使用外部字体：# 这部分会更复杂，需要确保fontfile能被fitz正确加载，并注册# 通常需要一个更通用的字体注册函数，例如：# if chinese_font_path and os.path.exists(chinese_font_path):#     # doc.register_font(fontfile=chinese_font_path, fontname="my_chinese_font")#     page.insert_text((x,y), chinese_text, fontname="my_chinese_font", fontsize=10)# 否则，中文可能会显示为方块或乱码。doc.save(pdf_path)print(f"✅ Excel报表已成功转换为PDF：'{pdf_path}'")return Trueexcept Exception as e:print(f"❌ 转换为PDF失败：{e}")return Falsefinally:doc.close()
if __name__ == "__main__":# --- 准备测试数据 ---# 1. 准备Excel文件report_excel_path = os.path.expanduser("~/Desktop/my_report_data.xlsx") # 简单创建模拟的Excel文件以避免找不到文件if not os.path.exists(report_excel_path):pd.DataFrame({'Item': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O'], 'Value': [10, 20, 15, 25, 30, 12, 18, 22, 28, 11, 19, 23, 27, 31, 14]}).to_excel(report_excel_path, index=False)print(f"临时Excel文件 '{os.path.basename(report_excel_path)}' 已创建。")# 2. 准备图表图片 (假设你用matplotlib/seaborn生成过)chart1_path = os.path.expanduser("~/Desktop/chart_sales_bar.png")chart2_path = os.path.expanduser("~/Desktop/chart_monthly_trend.png")# 简单创建模拟图表图片 (实际需要你运行matplotlib/seaborn生成)if not os.path.exists(chart1_path):plt.figure(figsize=(6, 4)); plt.bar(['A','B'],[10,20]); plt.title('Sales A vs B'); plt.savefig(chart1_path); plt.close()print(f"临时图表文件 '{os.path.basename(chart1_path)}' 已创建。")if not os.path.exists(chart2_path):plt.figure(figsize=(6, 4)); plt.plot([1,2,3],[10,20,15]); plt.title('Trend'); plt.savefig(chart2_path); plt.close()print(f"临时图表文件 '{os.path.basename(chart2_path)}' 已创建。")output_pdf_path = os.path.expanduser("D://360MoveData//Users//Administrator//Desktop//excel//professional_report.pdf")# --- 运行转换 ---excel_to_pdf_conversion(report_excel_path, output_pdf_path, chart_image_paths=[chart1_path, chart2_path])

操作步骤：

修改代码路径： 修改 report_excel_path 和 output_pdf_path。

运行： 运行 python excel_to_pdf.py。

效果展示：

3.2 定制PDF报告：添加页眉页脚、页码、封面

除了简单转换，你还可以通过Python更精细地定制PDF报告，例如添加页眉页脚、页码、封面，甚至合并多个PDF文件，打造 truly 专业PDF报告。

作用： PyMuPDF（或ReportLab等）提供了创建和编辑PDF的强大能力，你可以将文本、图片、甚至矢量图形添加到PDF的任何位置。

例如，可以实现：
统一页眉页脚： 自动为每一页添加公司Logo、报告名称、页码。
动态页码： 根据总页数自动生成页码，如“第X页/共Y页”。
定制封面： 为你的PDF报告生成一个美观的定制封面页。

这些高级定制能力，将让你的自动化报表生成达到新的高度，让你的数据呈现更具说服力！

4.阶段性成果：你的“智能报表生成系统”！

我们深入学习了Pandas、Matplotlib/Seaborn、Openpyxl和PyMuPDF等库，实现了：
Python生成Excel报表： 从数据读取、处理，到图表绘制与嵌入，再到专业PDF导出，实现报表自动化。

Excel图表自动化： 告别手动制图，让你的数据通过柱状图、折线图等可视化Excel图表“会说话”。

Python导出PDF报告： 轻松将复杂的Excel报表转换为精美PDF，告别PDF转换麻烦。

数据呈现自动化： 整个流程一站式搞定，全面提升你的数据呈现效率。

现在，你不再需要为手工制图耗时、报表枯燥无味而烦恼。你的自动化报表生成脚本将帮你：

5.尾声：报表自动化，开启职场新高度！

通过本篇文章，你已经掌握了自动化报表生成的强大能力，为你的办公自动化之旅又增添了一个重量级技能！你学会了如何利用Python的数据可视化和PDF处理能力，高效地生成和分发专业报表。

除了今天学到的报表生成功能，你还希望Python能帮你实现哪些更复杂的自动化报表需求？比如：根据数据智能生成报告文字摘要？自动识别报表中的异常点并预警？在评论区分享你的需求和想法，你的建议可能会成为我们未来文章的灵感来源！

敬请期待！ Excel自动化系列圆满收官！在后续文章中，我们将继续深入Python办公自动化的宝库，探索如何利用Python实现Word文档自动化，让你的文档处理和合同生成工作效率翻倍！同时，本系列所有代码都将持续更新并汇总在我的GitHub仓库中，敬请关注！未来，这个**“Python职场效率专家实战包”还将包含更多开箱即用、功能强大**的自动化工具