企业官网建设流程全解析

简介：一套基于Python开发的Excel数据分析系统，包含完整源码、可执行程序、配置说明书与使用说明书，主要面向毕设学生和Python实战学习者；项目从环境配置到功能实现均有说明，可帮助理解完整的桌面软件开发流程。系统基于PyQt5构建图形界面，集成pandas、matplotlib、xlrd，支持导入Excel、数据提取、定向筛选、多表合并、统计排行、图表生成与贡献度分析，所有功能均可通过图形界面快速操作。压缩包共688个文件，约100.28MB，包含535个Python源文件、23个exe可执行程序、pyd/dll运行库、12个xls示例表格、14张png界面截图、doc/txt说明书及ui界面文件，结构与依赖齐全。配套说明书详细说明了Windows 7/10、Python 3.6与PyCharm环境搭建，以及os、sys、glob、numpy等依赖的用法；源码经过严格调试可直接运行，适合用作毕业设计基础项目，也便于按模块学习界面开发和数据分析实战。目前已有587人学习下载。

1. 为什么这套Excel数据分析系统值得自己动手拆一遍

前一阵我拆了一套Python开发的Excel数据分析系统，源码里混合着activate.bat、sysconfig.cfg和可执行exe，看目录结构就知道是用venv隔离环境后打包出来的。这套系统把常见的Excel操作收敛进一个PyQt5窗口：导入EXCEL、提取列表数据、定向筛选、多表合并、多表统计排行、生成图表、贡献度分析，界面不花哨，但每个功能都命中职场表格处理的真实痛点。对正在做毕设的学生来说，它是完整可跑的pandas实战样例；对想练手的Python学习者，它展示了glob文件扫描、DataFrame筛选合并、matplotlib嵌入Qt这套组合拳。我把运行配置、核心代码和打包过程都复现了一遍，下面按数据层、业务层、可视化和交付物这条线拆开讲，踩过的坑也都标出来。

2. 环境搭建与数据层设计：从glob文件扫描到pandas DataFrame

2.1 开发环境选型与模块分工

系统指定了Python 3.6和PyCharm 2017.3.3，界面用Qt Designer画，运行时用PyQt5承载窗口部件。数据计算基本交给pandas和它底层的numpy，图表展示由matplotlib完成，Excel文件解析走xlrd。这套组合在Windows 7/10上兼容性很好，PyCharm里直接解释器选venv目录下的python.exe即可运行源码。模块分工如下表：

其中glob这个内置模块常被忽略，但在批量导入文件时它比os.listdir更省事，因为支持通配符模式匹配。数据层统一用DataFrame承载一张表的内容，多张表则放进一个列表，后续所有筛选和合并都围绕这个内存结构展开。

2.2 用glob批量定位Excel文件

导入EXCEL的第一步不是弹出文件选择框，而是先扫描某个数据目录下所有表格文件。源码里用glob匹配xlsx和xls，再排序去重，保证每次导入的先后顺序一致，避免合并时行序乱掉：

import glob import os def scan_excel_files(data_dir): # 同时匹配 .xlsx 和 .xls 两种后缀 xlsx_files = glob.glob(os.path.join(data_dir, '*.xlsx')) xls_files = glob.glob(os.path.join(data_dir, '*.xls')) all_files = xlsx_files + xls_files # 去重并排序，保证导入顺序稳定 return sorted(set(all_files))

glob.glob传入的模式里*是通配符，*.xlsx匹配目录下所有以.xlsx结尾的文件。set去重是为了防止某些目录下同时存在符号链接导致同一文件被匹配两次，sorted则保证文件列表按路径字典序展示，界面表格里不会忽前忽后。我一般还会在这之后过滤掉~$开头的临时文件，因为Excel打开文档时会生成这种隐藏锁文件，glob也能匹配到它们：

# 过滤Excel临时锁文件 files = [f for f in scan_excel_files('data') if not os.path.basename(f).startswith('~$')]

这一步在真实工作目录里很常见，毕设源码可能没写，但接真实数据时一定要补上。

2.3 xlrd引擎与pandas读取的兼容性边界

读取Excel是数据层最容易翻车的位置。xlrd库在2.0版本之后终止了对xlsx格式的支持，只保留xls，所以如果安装的是新版xlrd，pd.read_excel读xlsx会直接报错。安全的做法是按后缀选择engine：

import pandas as pd def read_excel_safe(file_path): # .xlsx 用 openpyxl，.xls 用 xlrd if file_path.endswith('.xlsx'): return pd.read_excel(file_path, engine='openpyxl') elif file_path.endswith('.xls'): return pd.read_excel(file_path, engine='xlrd', dtype=str) else: raise ValueError('不支持的Excel格式: ' + file_path)

engine是pandas read_excel函数中指定解析库的参数。dtype=str只对xls生效，目的是把身份证、订单号这类长数字列保留成文本，避免自动转成科学计数法。这里要注意的是，xlrd 1.2.0是最后支持xls且不携带安全问题的版本，requirements.txt里最好锁定为xlrd==1.2.0。如果系统要同时处理xls和xlsx，代码里两者引擎切换逻辑必须保留，只装一个库没法两头兼顾。

2.4 提取列表数据：从DataFrame到QTableWidget

系统里的"提取列表数据"功能，本质是把当前DataFrame的列名和数据行转换成界面控件能显示的格式。PyQt5的QTableWidget不认DataFrame，需要手动设置行列数和单元格内容：

def dataframe_to_table(df, table_widget): # 设置表格行列数 rows, cols = df.shape table_widget.setRowCount(rows) table_widget.setColumnCount(cols) # 设置列标题 table_widget.setHorizontalHeaderLabels(df.columns.astype(str).tolist()) # 逐单元格填充数据 for i in range(min(rows, 5000)): # 限制最多显示5000行 for j in range(cols): item = QTableWidgetItem(str(df.iat[i, j])) table_widget.setItem(i, j, item)

df.shape返回(行数, 列数)，setRowCount和setColumnCount先固定表格尺寸。setHorizontalHeaderLabels接受的是字符串列表，Excel列名可能是数字或日期，所以先astype(str)处理。填充时用df.iat取值，比df.iloc更快，因为iat按行号列号直接取标量。限制5000行是为了防止几百MB的Excel把界面卡死，大文件应在导入时给出"数据量过大，已截断显示"的提示。

3. 定向筛选与多表合并：核心业务逻辑的实现

3.1 定向筛选：模糊匹配与条件组合

定向筛选在界面上表现为选择一个列名、输入一个关键词，程序返回该列包含关键词的所有行。底层实现是pandas的布尔索引加字符串匹配：

def filter_rows(df, column, keyword): keyword = keyword.strip() if not keyword: return df.copy(), '筛选条件为空，返回全部数据' # 统一转字符串后做包含匹配，na=False 忽略空值 mask = df[column].astype(str).str.contains(keyword, case=False, na=False) result = df.loc[mask, :] return result, f'匹配到 {len(result)} 行，共 {len(df)} 行'

这里有两个关键参数：case=False让匹配不区分大小写，适合公司名称这类容易大小写混用的文本；na=False让空值行不进入匹配，否则NaN会被转成字符串"nan"，输入"na"可能误命中一堆空值。df.loc[mask, :]比直接df[mask]语义更明确，表示按行筛选且保留所有列。筛选结果必须返回副本，即调用.copy()，因为后续会把这个结果加入合并列表，如果和原始DataFrame共用内存，后续排序会互相污染。

3.2 多表合并：列名统一与concat参数

合并多张Excel表前，先要确认各表列名是否一致。源码中直接用了pd.concat，但如果列名有差异，合并结果会出现大量NaN列。我一般在concat之前先做一个列名归一化：

import pandas as pd def normalize_columns(frames, mapping=None): normalized = [] for idx, df in enumerate(frames): if mapping: df = df.rename(columns=mapping) # 统一把列名转成字符串 df.columns = df.columns.astype(str) normalized.append(df) return normalized def merge_frames(frames): frames = normalize_columns(frames) # 纵向拼接，ignore_index 重建行号，sort=False 保持列顺序 merged = pd.concat(frames, axis=0, ignore_index=True, sort=False) return merged

axis=0表示按行堆叠，各表列名相同时效果等同于SQL里的UNION ALL。ignore_index=True会丢掉原表自带的行号，重新生成0到n-1，不设置的话合并后行索引会出现重复，后续groupby的排序结果会很怪。sort=False让concat不按列名字母排序，而是以第一个传入的DataFrame列顺序为基准，这样界面表格列显示不会跳变。如果怀疑两张表列名有差异，用set(df1.columns) ^ set(df2.columns)找出对称差集，提前决定是补空列还是删除。

3.3 多表统计排行：groupby聚合与排序规则

排行功能把合并后的大表按一个业务字段分组，对另一个数值字段求和，再按合计值降序取前N名。源码的groupby写法值得注意：

def rank_data(df, group_col, value_col, top_n=10): # 只保留需要的两列，减少groupby内存消耗 base = df[[group_col, value_col]].copy() # 分组求和，reset_index 让分组列回到普通列 stat = base.groupby(group_col, as_index=False)[value_col].sum() stat.columns = [group_col, '合计'] # 降序排列，取前N，重排行号 result = stat.sort_values('合计', ascending=False).head(top_n).reset_index(drop=True) return result

groupby的as_index=False参数直接把分组字段保留为一列，省去reset_index。[value_col].sum()只对数值列求和，如果提交的value_col是文本，pandas会抛错误提示，所以调用前最好先用pd.to_numeric做一次安全转换。sort_values的ascending=False是降序，排行榜规则通常是销量越高名次越靠前，head(top_n)截断后reset_index(drop=True)让名次从0开始，写界面时直接用行号加1就是最终名次。

3.4 功能联动与备份：筛选结果如何进入下一步

系统的操作链是：导入Excel → 从列表里选中某张表 → 定向筛选 → 将筛选结果加入合并队列 → 多表合并 → 排行/图表。这里最容易出错的点是，用户对同一张表执行多次筛选，后一次筛选是否基于原始表？源码的处理方式比较稳妥：原始DataFrame单独保存，筛选时总是从原始表取副本：

origin_frames = {} # 文件路径 -> 原始DataFrame filtered_frames = {} # 文件路径 -> 筛选后的DataFrame def apply_filter(file_key, column, keyword): df = origin_frames[file_key].copy() # 总是从原始表出发 result, msg = filter_rows(df, column, keyword) filtered_frames[file_key] = result return result, msg

如果不复制原始表，第二次筛选会在第一次筛选结果上继续过滤，用户会误以为数据丢了。这个设计是这套系统最值得借鉴的地方，它把"原始数据"和"派生数据"清晰分开。我在实际二次开发时还加了一个"重置筛选"按钮，本质就是把filtered_frames[key]重新赋值为origin_frames[key].copy()，用户体验提升明显。

4. 图表生成与贡献度分析：matplotlib嵌入PyQt5

4.1 将matplotlib画布嵌入Qt窗口

系统生成图表时不是弹出独立窗口，而是把matplotlib图片直接画在主界面的QWidget区域里，实现方式是使用FigureCanvasQTAgg作为Qt画布组件。这个组件继承自Qt的QWidget，可以addWidget到布局中：

from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg from matplotlib.figure import Figure class DataChart(FigureCanvasQTAgg): def __init__(self, parent=None, width=6, height=4, dpi=100): # 创建Figure对象，设定画布像素大小 self.fig = Figure(figsize=(width, height), dpi=dpi) super().__init__(self.fig) self.setParent(parent) def clear_plot(self): # 每次绘制前清空之前的图形 self.fig.clear()

figsize=(6,4)的单位是英寸，dpi=100表示每英寸100像素，所以这个画布实际尺寸是600*400像素。clear_plot是必须的，因为图表控件会被反复调用，不清空的话旧线条会残留在新图上。嵌入时的完整流程是：在Qt Designer里放一个空的QWidget占位，然后代码里用QHBoxLayout把DataChart实例添加进去，替代占位控件。

4.2 排行图表的绘制参数与样式

排行数据适合用横向条形图，因为分类名称通常较长，横向排列能完整显示文字。绘制时需要对y轴做反转处理：

def plot_ranking(self, labels, values): self.clear_plot() ax = self.fig.add_subplot(111) # 横向条形图，颜色使用统一的浅蓝色 ax.barh(labels, values, color='#4C72B0') # 反转y轴，让第一条数据显示在最上方，和表格排行顺序一致 ax.invert_yaxis() # 在条形图末端标注数值 for i, v in enumerate(values): ax.text(v + max(values) * 0.01, i, str(v), va='center') ax.set_xlabel('合计值') ax.set_title('多表统计排行') self.draw()

barh的第一个参数是y轴标签列表，第二个是长度列表。invert_yaxis是重点，matplotlib默认把列表第一个元素放在y轴最底部，而排行榜习惯是第一名在最顶部，所以必须反转。ax.text在条形末端加标签，v + max(values)*0.01让文字稍微超出条形末端避免重叠，va='center'垂直居中。这套参数直接决定了图表在答辩和汇报时是否好懂。

4.3 贡献度分析：占比计算与饼图优化

贡献度分析就是求每个分类的数值占总体的百分比，然后绘制饼图。源码里计算占比的逻辑很清晰，但绘制饼图时要注意分类过多的情况：

def contribution(df, category_col, value_col): stat = df.groupby(category_col)[value_col].sum().reset_index() total = stat[value_col].sum() if total == 0: return stat, '总值为0，无法计算贡献度' stat['占比'] = (stat[value_col] / total * 100).round(2) stat = stat.sort_values('占比', ascending=False) return stat, '计算完成' def plot_pie(self, stat, top_n=8): self.clear_plot() # 只保留前 top_n 个分类，其余合并为“其他” main = stat.head(top_n).copy() other = stat.iloc[top_n:] if len(other) > 0: other_row = pd.DataFrame({'占比': [other['占比'].sum()], category_col: ['其他']}) main = pd.concat([main, other_row], ignore_index=True) ax = self.fig.add_subplot(111) ax.pie(main['占比'], labels=main[category_col], autopct='%1.1f%%', startangle=90, counterclock=False) ax.axis('equal') self.draw()

total==0的判断必不可少，筛选后的数据可能全为空值，sum为0再除会得到inf。饼图参数里autopct='%1.1f%%'让扇区显示保留一位小数的百分比，startangle=90让起始角度从y轴正方向开始，counterclock=False让扇区顺时针排列。合并小于前N名的分类为"其他"是很常见的可视化习惯，避免饼图被十几个细碎扇区切割得无法阅读。axis('equal')保证饼图是正圆，否则显示成椭圆会失真。

4.4 图表导出与刷新

系统提供把当前图表保存为图片的功能，这个功能很大程度方便了报告撰写。保存的关键是拿到Figure对象的savefig方法：

def export_chart(self, filename): # 设置300dpi，适合打印和插入文档 self.fig.savefig(filename, dpi=300, bbox_inches='tight')

dpi=300是印刷级清晰度，bbox_inches='tight'自动裁掉图表边缘多余的留白。在PyQt5里触发保存的按钮一般配合QFileDialog使用：

file_path, _ = QFileDialog.getSaveFileName(None, '保存图表', 'chart.png', 'PNG图片 (*.png)') if file_path: chart.export_chart(file_path)

注意getSaveFileName返回两个值，第二个是文件类型过滤器，下划线用来丢弃。保存后的图片可以直接插入Word报告或PPT，这在学校论文和项目验收里非常加分。

5. 打包可执行程序与文档编写：PyInstaller+venv

5.1 虚拟环境激活与依赖导出

源码包里有activate.bat、deactivate.bat和pyvenv.cfg，这是venv虚拟环境的标志。打包exe前一定要在当前项目目录创建全新虚拟环境，避免全局环境里多余的包混进程序。激活虚拟环境的命令在不同系统下不同：

# Windows 下激活 venv\Scripts\activate.bat # Linux/macOS 下激活 source venv/bin/activate

激活后命令行前缀出现(venv)字样，再安装依赖：

pip install PyQt5 pyqt5-tools pandas matplotlib xlrd==1.2.0 pip freeze > requirements.txt

pip freeze导出的文件每一行是"包名==版本号"格式，方便别人用pip install -r requirements.txt复现环境。这里把xlrd锁成1.2.0是必须操作，因为新版xlrd不支持xlsx，直接pip install xlrd只会装上最新版，程序一读xlsx就莫名其妙报错。

5.2 PyInstaller打包参数与资源文件

打包命令需要理解几个参数的作用：

# -F 打成一个单独exe；-w 运行时不弹出黑色控制台 pyinstaller -F -w main.py

-F把Python解释器、依赖库和脚本全部打进一个exe文件，方便分发但启动会稍慢。 -w是windowed模式，禁止显示命令行窗口，如果忘了加，双击exe时会先闪过一个黑框，影响观感。打包后的exe在dist目录下，main.py的名字会作为exe文件名。如果程序里有外部配置文件或图标，需要额外指定：

pyinstaller -F -w main.py --add-data "config.ini;." --icon=app.ico

--add-data的参数格式在Windows下用分号分隔源文件和目标目录，冒号则用于Linux/macOS。config.ini的打开路径要用第6章提到的sys._MEIPASS处理，否则运行时找不到文件，这是PyInstaller打包最常见的问题。

5.3 配置说明书与使用说明书的写作要点

源码包附带的两份文档，配置说明书和使用说明书，其实是衡量一个项目是否成熟的重要标准。配置说明书面向的是"让程序跑起来的环境"，至少包括：操作系统版本、Python版本、第三方库列表、如何安装依赖、如何启动源码。使用说明书面向"操作流程"，建议按功能按钮逐个拆解。身为一套毕设项目，文档里还要写清楚测试数据放在哪个目录，以及程序默认读取哪个文件夹。

给使用说明书写操作步骤时，我习惯用"预期结果"一词：比如点击"导入EXCEL"按钮后，表格控件会显示第一个sheet的数据，状态栏提示"成功导入N个文件"。这样用户每做一步就能确认是否操作成功，比单纯罗列菜单路径有效得多。

5.4 打包后自测清单

打包完成后不能只双击exe看界面能不能打开，必须走完整业务流程。我一般按以下清单自测：

这个清单也适合直接写进程序使用说明书的附录，用户在拿到源码和exe后可以按表验证环境是否正常，减少不必要的沟通成本。

6. 排错与验证：三个必踩的坑

6.1 xlrd版本报错

最常见的报错是xlrd >= 2.0 supports only xls。这是xlrd新版强行切掉xlsx导致的。两种解决办法：把xlrd降到1.2.0，或在read_excel里显式指定engine='openpyxl'。我的建议是同时做，代码和依赖清单双保险。

6.2 中文路径与_MEIPASS

Windows路径含中文时，打包后的exe经常出现找不到文件或编码错误。这是因为PyInstaller会把临时资源解压到系统临时目录，中文字符在部分机器上会乱码。解决办法是用sys._MEIPASS获取实际资源目录：

import sys import os def resource_path(relative_path): # 打包后资源在临时解压目录，源码运行时在当前脚本目录 if hasattr(sys, '_MEIPASS'): base = sys._MEIPASS else: base = os.path.dirname(os.path.abspath(__file__)) return os.path.join(base, relative_path)

判断hasattr(sys, '_MEIPASS')是因为只有PyInstaller打包后的程序才有这个属性，源码运行时走else分支。所有读取配置、图标、模板文件的地方都改为调用resource_path，中文路径问题基本就能解决。

6.3 用脚本验证全流程

为验证系统核心逻辑没有因环境差异而破坏，我习惯写一个无界面的冒烟测试脚本，直接调用数据层和业务层函数：

import glob import pandas as pd # 模拟导入三个文件 files = sorted(glob.glob('data/*.xlsx')) frames = [pd.read_excel(f, engine='openpyxl') for f in files] # 多表合并 merged = pd.concat(frames, ignore_index=True) assert len(merged) == sum(len(f) for f in frames) # 定向筛选 mask = merged['客户'].astype(str).str.contains('科技', na=False) filtered = merged[mask] assert len(filtered) > 0 # 贡献度分析 stat = merged.groupby('产品')['金额'].sum().sort_values(ascending=False) print(stat.head(5))

assert语句会在条件不满足时抛异常，比print更直接。这段脚本不依赖PyQt5界面，纯函数逻辑，哪里出错立刻看得见。在打包exe之前跑通这个脚本，可以提前拦截90%的数据处理问题；如果脚本通过而界面操作异常，问题多半在PyQt5信号槽绑定或控件刷新上，这时逐行检查clicked.connect绑定的槽函数即可。

本文还有配套的精品资源，点击获取