4、Python基础回顾：Python环境配置、常用库介绍（pandas, openpyxl, sqlalchemy）

各位同学好，我是老张。做监管报表自动化这些年，我踩过最多的坑，其实不是业务逻辑多复杂，而是环境没配好、库没装对。今天咱们就把Python基础环境捋一遍，重点说说三个核心库——pandas、openpyxl、sqlalchemy。这些东西，说白了就是你做报表自动化的“三把刀”。

4.1 Python环境配置：别让环境卡住你

我个人习惯用Anaconda来管理Python环境。为什么？因为做报表自动化，你免不了要装各种依赖包，Anaconda的conda命令能帮你省去很多版本冲突的麻烦。

配置步骤其实很简单，就三步：

1. 下载安装Anaconda —— 去官网选对应系统版本，一路默认安装就行
2. 创建虚拟环境 —— 用命令 conda create -n report_env python=3.9
3. 激活环境 —— conda activate report_env

嗯，这里要注意：很多新手装完Anaconda就直接用base环境，结果项目一多，包全混在一起，最后搞到崩溃。我曾经有个同事，就是因为环境混乱，导致pandas和openpyxl版本不兼容，报表生成时单元格格式全乱了，加班到凌晨两点才搞定。所以，每个项目单独建一个环境，这是血的教训。

4.2 pandas：报表处理的核心引擎

pandas，说白了就是Python里的Excel。但比Excel强的是，它能处理百万行数据不卡顿。我做监管报表时，90%的数据清洗和转换工作都靠它。

先看个最常用的例子——读取Excel文件：

import pandas as pd

# 读取监管报表模板
df = pd.read_excel('监管报表模板.xlsx', sheet_name='资产负债表')
print(df.head())  # 看看前5行数据长啥样

你想想看，如果不用pandas，你得用openpyxl一行一行读，再自己拼成DataFrame，多累啊。pandas直接帮你把Excel表格变成二维数据结构，操作起来特别顺手。

我在项目中遇到过最典型的场景：从数据库里拉出上百万条交易记录，需要按机构、按产品类型汇总。用pandas的groupby，一行代码搞定：

# 按机构汇总贷款余额
summary = df.groupby('机构名称')['贷款余额'].sum().reset_index()
print(summary)

4.3 openpyxl：精细控制Excel格式

pandas擅长处理数据，但监管报表对格式要求特别严——字体、边框、背景色、合并单元格，一个都不能少。这时候就得请出openpyxl了。

openpyxl能让你像操作Excel界面一样，用代码控制每一个单元格的样式。举个例子，给报表标题加个蓝色背景：

from openpyxl import Workbook
from openpyxl.styles import PatternFill, Font, Border, Side

wb = Workbook()
ws = wb.active

# 设置标题样式
title_fill = PatternFill(start_color='4472C4', end_color='4472C4', fill_type='solid')
title_font = Font(name='微软雅黑', size=14, bold=True, color='FFFFFF')

ws['A1'] = '监管报表——资产负债表'
ws['A1'].fill = title_fill
ws['A1'].font = title_font

wb.save('格式化报表.xlsx')

我曾经犯过一个错：用pandas直接to_excel生成报表，结果监管老师反馈说“字体不对、边框没有”。后来我学乖了，先用pandas处理数据，再用openpyxl做格式美化。说白了，pandas负责“里子”，openpyxl负责“面子”。

4.4 sqlalchemy：连接数据库的桥梁

监管报表的数据源，通常不在Excel里，而在数据库里。sqlalchemy就是帮你从数据库取数据的工具。它支持MySQL、Oracle、SQL Server等各种数据库，而且写法统一。

看个连接MySQL的例子：

from sqlalchemy import create_engine
import pandas as pd

# 连接数据库
engine = create_engine('mysql+pymysql://用户名:密码@localhost:3306/监管数据库')

# 用SQL查询数据
sql = "SELECT * FROM 贷款明细表 WHERE 报告日期 = '2024-12-31'"
df = pd.read_sql(sql, engine)

print(f"共查询到 {len(df)} 条记录")

你想想看，如果没有sqlalchemy，你得手动装数据库驱动、写连接代码、处理游标……麻烦得很。sqlalchemy把这些全封装好了，你只需要写SQL就行。

我个人习惯把数据库连接信息放在配置文件里，而不是硬编码在代码中。这样换环境时改个配置文件就行，不用改代码。比如：

# config.ini
[database]
host = localhost
port = 3306
user = report_user
password = your_password
dbname = 监管数据库

4.5 三库协同：一个完整的报表生成流程

光说单个库没意思，咱们看看它们怎么配合。下面这张图是我做报表自动化的标准流程：

看明白了吧？这三个库各司其职，配合起来就是一套完整的自动化流水线。我在实际项目中，通常写一个Python脚本，里面依次调用这三个库，一键生成所有监管报表。

4.6 环境验证：确保一切就绪

最后，咱们写个简单的验证脚本，确保环境没问题：

# check_env.py
import sys
print(f"Python版本: {sys.version}")

try:
    import pandas as pd
    print(f"pandas版本: {pd.__version__}")
except ImportError:
    print("pandas未安装，请运行: pip install pandas")

try:
    import openpyxl
    print(f"openpyxl版本: {openpyxl.__version__}")
except ImportError:
    print("openpyxl未安装，请运行: pip install openpyxl")

try:
    from sqlalchemy import create_engine
    print(f"sqlalchemy版本: {sqlalchemy.__version__}")
except ImportError:
    print("sqlalchemy未安装，请运行: pip install sqlalchemy")

运行这个脚本，如果三个库都显示版本号，恭喜你，环境配好了。如果报错，别慌，用pip install补上就行。

好了，Python基础环境就说到这儿。这三个库是监管报表自动化的基石，你花点时间把它们玩熟，后面写代码会顺手很多。记住，工具是死的，思路是活的。多动手试试，遇到问题别怕，我当年也是一行一行代码调试过来的。

---

公众号:蓝海资料掘金营，微信deep3321