Excel-Automatisierung mit Python und pandas

Wenn Sie jede Woche Stunden mit Kopieren, Filtern und Summieren in Excel verbringen, ist dieses Tutorial für Sie. Ich habe im Industrieumfeld erlebt, wie diese paar Zeilen Python einen ganzen Berichtstag auf Sekunden verkürzen — ein echter Fall ist das dynamische Preiskalkulations-Tool in meinem Portfolio.

pandas installieren

pip install pandas openpyxl

openpyxl ist der Motor zum Lesen und Schreiben von .xlsx-Dateien; pandas nutzt ihn im Hintergrund.

Ein echtes Szenario: der Verkaufsbericht

Angenommen, Sie haben sales.xlsx mit den Spalten Datum, Verkäufer, Produkt, Menge, Stückpreis. Wir wollen einen Bericht: Gesamtumsatz je Verkäufer.

Schritt 1: Datei einlesen

import pandas as pd

df = pd.read_excel("sales.xlsx")
print(df.head())        # die ersten 5 Zeilen
print(len(df), "Zeilen")

df (ein DataFrame) ist Ihre ganze Tabelle — wie ein Excel-Blatt, das in Python lebt.

Schritt 2: Eine berechnete Spalte

df["gesamt"] = df["menge"] * df["stueckpreis"]

Eine Zeile erzeugt die neue Spalte für alle Zeilen — ob 10 oder 100.000.

Schritt 3: Filtern und zusammenfassen

# nur Verkäufe über 5 Millionen
big_sales = df[df["gesamt"] > 5_000_000]

# Summe je Verkäufer (Ihr Pivot-Table-Äquivalent)
report = df.groupby("verkaeufer")["gesamt"].sum().sort_values(ascending=False)
print(report)

groupby ist Excels Pivot-Tabelle — nur skriptbar und wiederholbar.

Schritt 4: Bericht exportieren

report.to_excel("report.xlsx", sheet_name="Verkaufsbericht")
print("Bericht fertig ✅")

Die eigentliche Magie: viele Dateien auf einmal

Ihre wahre Kraft zeigt die Methode bei 30 Monatsdateien:

from pathlib import Path
import pandas as pd

all_months = []
for file in Path("monthly-reports").glob("*.xlsx"):
    month_df = pd.read_excel(file)
    month_df["datei"] = file.stem
    all_months.append(month_df)

total = pd.concat(all_months)
total.groupby("verkaeufer")["gesamt"].sum().to_excel("yearly-report.xlsx")

Dreißig Dateien, ein Jahresbericht, wenige Sekunden.

Wann Python — und wann besser in Excel bleiben?

• Einmalige, kleine Aufgabe? Excel selbst ist schneller
• Wiederkehrende Arbeit (wöchentlich/monatlich) oder viele Dateien? Einmal Python schreiben, immer wieder ausführen
• Daten kommen von anderswo (Web, Datenbank, API)? Eindeutig Python

Übung

Bauen Sie aus Ihrer eigenen (oder einer erfundenen) Verkaufsdatei einen Bericht, der das meistverkaufte Produkt jedes Monats zeigt. Tipp: Datumsspalte mit pd.to_datetime umwandeln und nach df["datum"].dt.month gruppieren.