企业官网建设流程全解析

Python Vibe Coding实操｜基于Pandas完成销售Excel报表自动化生成（实验一）

前言

什么是Vibe Coding：不是完全靠手写代码，也不是直接把全部需求丢给AI一键生成完事；而是用自然语言描述业务需求，借助AI编码工具辅助开发，人主导需求拆解、边界定义、代码审查、异常处理与结果验证，重点考察需求拆解、风险识别、结果校验的综合能力。

本次完成考题一：Excel销售报表生成脚本，原始输入文件为sales_raw.xlsx，完成脏数据清洗、多维度聚合统计，输出多Sheet的report.xlsx，处理空文件、无有效数据、字段缺失等异常场景。

开发环境：Python3.10+，依赖库：pandas、openpyxl

一、需求澄清清单（交给AI前先梳理清楚需求）

这是Vibe Coding非常关键的一步，不要直接把考题复制粘贴丢给AI，自己先把目标、输入输出、边界条件、验收标准整理出来，再交给AI，减少AI幻觉。

1.业务目标

读取原始销售Excel文件，完成数据清洗、多维度聚合统计，生成多工作表的结果报表，禁止修改原始输入文件，各种异常输入不能直接程序崩溃，要有友好提示。

2.输入

文件：sales_raw.xlsx 原始字段：日期、销售员、产品、数量、单价、地区 原始数据问题：存在空值、重复行、数量为负数/0的脏数据。

3.输出

输出文件：report.xlsx，包含4个工作表

1. 明细清洗后：清洗完成之后的有效原始明细
2. 按销售员：按销售员维度汇总销售额（销售额=数量 × 单价）
3. 按地区：按地区维度汇总销售额
4. 总览：月度整体销售总额

4.边界&异常条件

1. 关键字段为空，直接丢弃该行；
2. 数量≤0，判定异常，剔除该行；
3. 全字段重复行，执行去重；
4. 文件不存在、空Excel文件；
5. 清洗完成后没有任何有效数据，脚本给出提示，不直接崩溃；
6. 文件写入占用（PermissionError文件被Excel打开占用）捕获异常提示用户关闭文件；
7. 绝对不能修改原始sales_raw.xlsx。

5.验收标准

1. 脚本一键运行即可生成report.xlsx；
2. 统计结果可以人工核对，数值准确；
3. 异常输入场景输出可读提示，程序不会直接抛堆栈报错退出；
4. 输出4个sheet全部存在。

二、工程目录结构

project/ ├── sales_raw.xlsx # 原始输入销售数据 ├── sales_report.py # 主脚本 ├── report.xlsx # 程序运行后生成输出文件 └── requirements.txt # 依赖声明

requirements.txt

pandas>=2.0 openpyxl>=3.1

三、核心代码实现 sales_report.py

说明：代码由AI辅助生成，人工做了review，补充异常捕获、边界判断，修复文件权限占用报错问题。

import pandas as pd import os INPUT_FILE = "sales_raw.xlsx" OUTPUT_FILE = "report.xlsx" def main(): # ==========1.读取原始文件，捕获文件不存在异常========== if not os.path.exists(INPUT_FILE): print(f"【错误】输入文件 {INPUT_FILE} 不存在，请检查！") return try: df_raw = pd.read_excel(INPUT_FILE, engine="openpyxl") except Exception as e: print(f"【错误】读取文件失败: {str(e)}") return print(f"原始数据总行数：{len(df_raw)}") # ==========2.数据清洗环节========== # 关键字段：日期、销售员、产品、数量、单价、地区，关键字段为空直接丢弃 key_cols = ["日期", "销售员", "产品", "数量", "单价", "地区"] df_clean = df_raw.dropna(subset=key_cols).copy() # 剔除数量<=0的异常行 df_clean = df_clean[df_clean["数量"] > 0] # 全字段去重 df_clean = df_clean.drop_duplicates() print(f"清洗后有效数据行数：{len(df_clean)}") # 判断清洗后是否完全没有有效数据 if len(df_clean) == 0: print("【警告】经过清洗之后无任何有效销售数据，停止生成报表！") return # 计算每行销售额 df_clean["销售额"] = df_clean["数量"] * df_clean["单价"] # ==========3.多维度统计计算========== # 按销售员汇总 df_salesman = df_clean.groupby("销售员", as_index=False).agg({ "销售额": "sum" }).sort_values("销售额", ascending=False) # 按地区汇总 df_area = df_clean.groupby("地区", as_index=False).agg({ "销售额": "sum" }).sort_values("销售额", ascending=False) # 总览，月度总额 total_sale = df_clean["销售额"].sum() df_total = pd.DataFrame({ "月度销售总额": [total_sale] }) # ==========4.写入多sheet的Excel报表，处理文件占用权限异常========== try: with pd.ExcelWriter(OUTPUT_FILE, engine="openpyxl") as writer: df_clean.to_excel(writer, sheet_name="明细清洗后", index=False) df_salesman.to_excel(writer, sheet_name="按销售员", index=False) df_area.to_excel(writer, sheet_name="按地区", index=False) df_total.to_excel(writer, sheet_name="总览", index=False) print(f"✅报表生成成功！输出文件：{OUTPUT_FILE}") except PermissionError: print(f"【错误】写入失败！{OUTPUT_FILE} 文件正在被Excel/WPS打开，请关闭该Excel文件后重新运行脚本！") except Exception as e: print(f"【错误】写入报表发生异常：{str(e)}") if __name__ == "__main__": main()

四、运行说明

1. 将sales_raw.xlsx放到脚本同一目录；
2. 安装依赖

pip install -r requirements.txt

1. 运行脚本

python sales_report.py

⚠️注意：运行脚本前，务必关闭report.xlsx，否则会出现PermissionError权限拒绝报错，代码内部已经捕获该异常给出提示。

运行成功之后，目录生成report.xlsx，包含4个工作表。

五、程序运行结果

六、测试用例设计（正常用例 + 边界异常用例）

七、AI协作过程记录（Vibe Coding核心）

1.交给AI的提示词（第一轮）

我没有直接粘贴全部考题，而是使用前面整理的需求澄清清单给到AI，要求输出pandas脚本，重点要求：不要修改原文件，处理空文件、清洗后无有效数据异常，输出4个sheet。

2.AI生成初稿存在的问题（人工Code Review发现）

1. 初稿没有捕获PermissionError，当Excel打开输出文件时直接抛出Errno13堆栈；
2. 没有判断清洗之后数据行数为0的场景，空数据也会生成空白报表；
3. 缺少控制台友好中文提示，全部是程序原生报错；
4. groupby聚合没有做排序，报表阅读性差。

3.人工干预修改点

1. 增加文件是否存在前置判断；
2. 捕获写入时的PermissionError，输出提示用户关闭Excel；
3. 添加清洗后行数判断，无有效数据直接终止；
4. 对统计结果按销售额降序排序；
5. 打印日志，方便调试看原始行数、清洗后行数。

关键：AI负责写pandas读写、groupby聚合这类机械代码；人负责定义异常边界、校验逻辑、审查风险，不能完全放任AI生成直接运行。

八、复盘总结

1.哪些交给AI完成

1. pandas读取Excel、多sheet写入模板代码；
2. groupby分组聚合的语法；
3. DataFrame去重、dropna缺失值清洗的基础代码。

2.哪些必须自己拍板、人工审查

1. 梳理完整需求澄清清单，定义异常边界；
2. 判断关键字段是哪些，确认哪些行应该被过滤；
3. 识别风险：文件被占用的权限异常、空数据场景，AI很容易漏掉这类边界；
4. 验证统计结果：拿少量手工数据，核对脚本输出销售额是否和手算一致；
5. 禁止修改原始文件，确认代码没有写回输入文件。

3.遇到的风险和坑

1. PermissionError:13权限拒绝，最容易踩坑，AI经常忘记处理Excel文件被占用的场景；
2. 如果不做行数校验，全脏数据的时候会生成一份无意义报表，误导使用者；
3. 区分哪些字段是关键字段，不能无脑全部字段dropna，会错误丢掉有效业务数据。

4.Vibe Coding感悟

Vibe Coding不等于AI全自动写代码，人是总指挥。如果直接把一大段考题丢给AI，AI经常会忽略边界条件、异常处理。先把需求拆解、输入输出、异常场景写清楚，再分段交给AI生成；每一小段代码运行验证，人工review风险点，最后做整体测试，才能得到健壮可用的程序。

九、拓展思考

1. 当前代码可以继续优化：写入Excel采用临时文件原子替换，防止脚本中途崩溃生成损坏的report.xlsx；
2. 可以增加日志模块，把运行日志输出保存到日志文件，而不是仅仅打印控制台。