每月报表不用愁：Pandas 把几十个 CSV 揉成一张表

每到月底，运营同学最怕的一件事就是"汇报表"——各个门店、各个系统导出来的 CSV 散落一地，手工复制到一张表里既慢又容易错。其实这种活儿交给 Pandas，几行代码就能搞定。我这次就是把三十多个分店的销售 CSV 拼成一张月度汇总表，顺手记一下做法。

一、需求其实很土

每个分店每天导出一个 销售_XX店_日期.csv，字段都是 门店,商品,数量,金额。我要的是：按门店汇总总销量和总金额，导出成一张 Excel 给财务。难点不在计算，在于"文件多、字段一致但顺序可能乱"。

二、读进来再拼起来

用 glob 把目录里的 CSV 全捞出来，逐个读成 DataFrame，再 concat 纵向拼：

import pandas as pd
import glob

files = glob.glob("sales/*.csv")
dfs = [pd.read_csv(f) for f in files]
all_df = pd.concat(dfs, ignore_index=True)
print(all_df.shape)   # 看一眼总共多少行

ignore_index=True 会重排索引，避免拼接后索引重复。这一步之后，所有分店的数据就躺在同一张表里了。

三、按门店汇总

汇总才是重点，用 groupby 一行搞定：

report = (
    all_df
    .groupby("门店", as_index=False)
    .agg(总销量=("数量", "sum"), 总金额=("金额", "sum"), 订单数=("数量", "count"))
)
report = report.sort_values("总金额", ascending=False)

with pd.ExcelWriter("月度报表.xlsx") as w:
    report.to_excel(w, index=False, sheet_name="按门店")

agg 里可以同时对不同列用不同聚合函数，比写多个 groupby 清爽得多。

四、几种写法的差别

绝大多数情况，第一种就够用且最稳。

一点心得

报表类任务的本质永远是"先统一结构，再按维度聚合"。Pandas 把这两步都封装得很好，真正要花心思的反而是确认每个 CSV 的字段真的一致——我曾经因为某个分店把"金额"写成"金额(元)"，拼完后汇总直接少一列。读进来后先 print(all_df.columns) 看一眼列名，能省掉后面一堆麻烦。