Python數(shù)據(jù)處理之Excel報(bào)表自動(dòng)化生成與分析
更新時(shí)間：2025年07月17日 09:58:41 作者：nightunderblackcat
這篇文章主要為大家詳細(xì)介紹了如何使用Python實(shí)現(xiàn)一個(gè)完整的Excel報(bào)表自動(dòng)化系統(tǒng),涵蓋從數(shù)據(jù)清洗、分析到可視化報(bào)表生成的全流程,希望對(duì)大家有所幫助
本文將詳細(xì)介紹如何使用Python實(shí)現(xiàn)一個(gè)完整的Excel報(bào)表自動(dòng)化系統(tǒng)，涵蓋從數(shù)據(jù)清洗、分析到可視化報(bào)表生成的全流程。本教程面向Python初學(xué)者，通過實(shí)際案例講解pandas和openpyxl庫(kù)的核心用法。
系統(tǒng)概述
Excel報(bào)表自動(dòng)化系統(tǒng)能夠：
- 自動(dòng)讀取原始數(shù)據(jù)文件（如CSV、Excel等）
- 進(jìn)行數(shù)據(jù)清洗和預(yù)處理
- 執(zhí)行數(shù)據(jù)分析計(jì)算
- 生成格式化的Excel報(bào)表
- 創(chuàng)建可視化圖表
環(huán)境準(zhǔn)備
安裝必要庫(kù)
pip install pandas openpyxl matplotlib
導(dǎo)入庫(kù)
import pandas as pd from openpyxl import Workbook from openpyxl.chart import BarChart, Reference import matplotlib.pyplot as plt
數(shù)據(jù)清洗階段
1. 讀取原始數(shù)據(jù)
# 從CSV文件讀取
raw_data = pd.read_csv('sales_data.csv')
# 從Excel文件讀取
raw_data = pd.read_excel('sales_data.xlsx')
2. 數(shù)據(jù)清洗
典型的數(shù)據(jù)清洗操作包括：
- 處理缺失值：
df.fillna()或df.dropna() - 數(shù)據(jù)類型轉(zhuǎn)換：
df.astype() - 去除重復(fù)值：
df.drop_duplicates() - 異常值處理：通過條件篩選或統(tǒng)計(jì)方法
示例：
# 填充缺失值
cleaned_data = raw_data.fillna({'Sales': 0})
# 轉(zhuǎn)換日期格式
cleaned_data['Date'] = pd.to_datetime(cleaned_data['Date'])
# 去除重復(fù)記錄
cleaned_data = cleaned_data.drop_duplicates()
數(shù)據(jù)分析階段
1. 基礎(chǔ)統(tǒng)計(jì)分析
# 按產(chǎn)品類別匯總銷售數(shù)據(jù)
sales_summary = cleaned_data.groupby('Product Category')['Sales'].agg(['sum', 'mean', 'count'])
# 計(jì)算月增長(zhǎng)率
monthly_sales = cleaned_data.groupby(pd.Grouper(key='Date', freq='M'))['Sales'].sum()
monthly_growth = monthly_sales.pct_change() * 100
2. 高級(jí)分析
# 計(jì)算各區(qū)域銷售占比
region_share = cleaned_data.groupby('Region')['Sales'].sum() / cleaned_data['Sales'].sum()
# 客戶價(jià)值分析(RFM模型)
current_date = pd.to_datetime('today')
rfm_data = cleaned_data.groupby('CustomerID').agg({
'Date': lambda x: (current_date - x.max()).days,
'OrderID': 'count',
'Sales': 'sum'
})
報(bào)表生成階段
1. 創(chuàng)建Excel工作簿
wb = Workbook() ws = wb.active ws.title = "銷售匯總"
2. 寫入數(shù)據(jù)
# 寫入表頭
ws.append(['產(chǎn)品類別', '銷售總額', '平均銷售額', '銷售數(shù)量'])
# 寫入?yún)R總數(shù)據(jù)
for index, row in sales_summary.iterrows():
ws.append([index, row['sum'], row['mean'], row['count']])
3. 添加圖表
# 創(chuàng)建柱狀圖 chart = BarChart() data = Reference(ws, min_col=2, max_col=4, min_row=1, max_row=len(sales_summary)+1) categories = Reference(ws, min_col=1, max_col=1, min_row=2, max_row=len(sales_summary)+1) chart.add_data(data, titles_from_data=True) chart.set_categories(categories) ws.add_chart(chart, "F2")
4. 格式化單元格
from openpyxl.styles import Font, Alignment, Border, Side, PatternFill
# 設(shè)置標(biāo)題樣式
for cell in ws[1]:
cell.font = Font(bold=True)
cell.alignment = Alignment(horizontal='center')
cell.fill = PatternFill("solid", fgColor="DDDDDD")
# 設(shè)置數(shù)字格式
for row in ws.iter_rows(min_row=2, min_col=2, max_col=4):
for cell in row:
cell.number_format = '#,##0'
自動(dòng)化流程整合
1. 創(chuàng)建主函數(shù)
def generate_report(input_file, output_file):
# 數(shù)據(jù)讀取
raw_data = pd.read_excel(input_file)
# 數(shù)據(jù)清洗
cleaned_data = clean_data(raw_data)
# 數(shù)據(jù)分析
report_data = analyze_data(cleaned_data)
# 生成報(bào)表
create_excel_report(report_data, output_file)
print(f"報(bào)表已成功生成: {output_file}")
2. 定時(shí)任務(wù)設(shè)置
import schedule
import time
def job():
generate_report('daily_sales.xlsx', 'sales_report.xlsx')
# 每天上午9點(diǎn)運(yùn)行
schedule.every().day.at("09:00").do(job)
while True:
schedule.run_pending()
time.sleep(1)
實(shí)際應(yīng)用示例
場(chǎng)景：月度銷售報(bào)表
系統(tǒng)自動(dòng)從ERP導(dǎo)出原始數(shù)據(jù)
清洗并計(jì)算各產(chǎn)品線銷售指標(biāo)
生成包含以下內(nèi)容的報(bào)表：
- 銷售匯總表
- 區(qū)域銷售分布餅圖
- 月度銷售趨勢(shì)折線圖
- 銷售TOP10產(chǎn)品列表
場(chǎng)景：客戶分析報(bào)告
整合CRM和銷售系統(tǒng)數(shù)據(jù)
進(jìn)行客戶細(xì)分和價(jià)值分析
輸出包含以下內(nèi)容的報(bào)告：
- 客戶價(jià)值矩陣(RFM)
- 客戶生命周期分析
- 流失風(fēng)險(xiǎn)預(yù)警列表
通過本教程，您已掌握使用Python實(shí)現(xiàn)Excel報(bào)表自動(dòng)化的核心技能。實(shí)際應(yīng)用中可根據(jù)具體需求擴(kuò)展功能，如添加郵件自動(dòng)發(fā)送、多數(shù)據(jù)源整合等高級(jí)特性。
方法補(bǔ)充
環(huán)境準(zhǔn)備
我們需要安裝以下Python庫(kù)：
- pandas：強(qiáng)大的數(shù)據(jù)分析工具
- openpyxl：Excel文件操作庫(kù)
- matplotlib：數(shù)據(jù)可視化庫(kù)
安裝命令：
pip install pandas openpyxl matplotlib
項(xiàng)目功能概述
我們將創(chuàng)建一個(gè)腳本，實(shí)現(xiàn)以下功能：
- 從多個(gè)數(shù)據(jù)源讀取原始數(shù)據(jù)
- 數(shù)據(jù)清洗與預(yù)處理
- 關(guān)鍵指標(biāo)計(jì)算與分析
- 自動(dòng)生成格式化的Excel報(bào)表
- 創(chuàng)建數(shù)據(jù)可視化圖表
- 郵件自動(dòng)發(fā)送報(bào)表
代碼詳細(xì)解析
1. 導(dǎo)入必要的庫(kù)
import pandas as pd from openpyxl import Workbook from openpyxl.styles import Font, Alignment, Border, Side, PatternFill from openpyxl.chart import BarChart, Reference import matplotlib.pyplot as plt import os from datetime import datetime
2. 配置參數(shù)設(shè)置
# 數(shù)據(jù)源配置
DATA_SOURCES = {
'sales': 'data/raw_sales_data.xlsx',
'inventory': 'data/inventory_records.csv',
'customers': 'data/customer_info.json'
}
# 報(bào)表輸出配置
REPORT_PATH = 'reports/monthly_report.xlsx'
REPORT_TITLE = '2023年度銷售分析報(bào)告'
ANALYSIS_PERIOD = ('2023-01-01', '2023-12-31')
# 樣式配置
HEADER_STYLE = {
'font': Font(bold=True, color='FFFFFF'),
'fill': PatternFill(start_color='4F81BD', end_color='4F81BD', fill_type='solid'),
'alignment': Alignment(horizontal='center')
}
DATA_STYLE = {
'border': Border(left=Side(style='thin'),
'alignment': Alignment(horizontal='right')
}3. 數(shù)據(jù)加載與清洗
def load_and_clean_data():
"""加載并清洗原始數(shù)據(jù)"""
# 加載銷售數(shù)據(jù)
sales_df = pd.read_excel(DATA_SOURCES['sales'])
sales_df = sales_df.dropna(subset=['order_id', 'sale_amount'])
sales_df['order_date'] = pd.to_datetime(sales_df['order_date'])
# 加載庫(kù)存數(shù)據(jù)
inventory_df = pd.read_csv(DATA_SOURCES['inventory'])
inventory_df = inventory_df[inventory_df['stock_quantity'] > 0]
# 加載客戶數(shù)據(jù)
customers_df = pd.read_json(DATA_SOURCES['customers'])
customers_df['join_date'] = pd.to_datetime(customers_df['join_date'])
return sales_df, inventory_df, customers_df4. 數(shù)據(jù)分析與計(jì)算
def perform_analysis(sales_df, inventory_df, customers_df):
"""執(zhí)行核心數(shù)據(jù)分析"""
# 銷售分析
period_mask = (sales_df['order_date'] >= ANALYSIS_PERIOD[0]) & \
(sales_df['order_date'] <= ANALYSIS_PERIOD[1])
sales_analysis = sales_df[period_mask].groupby('product_category')['sale_amount'] \
.agg(['sum', 'count', 'mean']).reset_index()
# 庫(kù)存周轉(zhuǎn)分析
inventory_turnover = inventory_df.groupby('category')['stock_quantity'].sum().reset_index()
# 客戶分析
active_customers = customers_df[customers_df['status'] == 'active']
customer_growth = active_customers.groupby(
pd.Grouper(key='join_date', freq='M')).size().reset_index(name='count')
return sales_analysis, inventory_turnover, customer_growth5. Excel報(bào)表生成
def generate_excel_report(data, output_path):
"""生成格式化的Excel報(bào)表"""
wb = Workbook()
ws = wb.active
ws.title = "銷售摘要"
# 添加標(biāo)題
ws.merge_cells('A1:D1')
title_cell = ws['A1']
title_cell.value = REPORT_TITLE
title_cell.font = Font(size=16, bold=True)
title_cell.alignment = Alignment(horizontal='center')
# 添加數(shù)據(jù)表頭
headers = ['產(chǎn)品類別', '總銷售額', '訂單數(shù)量', '平均訂單價(jià)值']
for col_num, header in enumerate(headers, 1):
cell = ws.cell(row=3, column=col_num, value=header)
cell.font = HEADER_STYLE['font']
cell.fill = HEADER_STYLE['fill']
cell.alignment = HEADER_STYLE['alignment']
# 填充數(shù)據(jù)
for row_num, row_data in enumerate(data[0].values, 4):
for col_num, value in enumerate(row_data, 1):
cell = ws.cell(row=row_num, column=col_num, value=value)
cell.border = DATA_STYLE['border']
cell.alignment = DATA_STYLE['alignment']
# 添加圖表
chart = BarChart()
chart.title = "各品類銷售額對(duì)比"
chart.y_axis.title = '銷售額'
chart.x_axis.title = '產(chǎn)品類別'
data_ref = Reference(ws, min_col=2, min_row=3, max_col=2, max_row=row_num)
cats_ref = Reference(ws, min_col=1, min_row=4, max_row=row_num)
chart.add_data(data_ref, titles_from_data=False)
chart.set_categories(cats_ref)
ws.add_chart(chart, "F3")
# 保存文件
os.makedirs(os.path.dirname(output_path), exist_ok=True)
wb.save(output_path)6. 主程序流程
def main():
print("開始生成月度分析報(bào)告...")
start_time = datetime.now()
try:
# 數(shù)據(jù)加載與清洗
sales, inventory, customers = load_and_clean_data()
# 數(shù)據(jù)分析
sales_analysis, inventory_turnover, customer_growth = perform_analysis(
sales, inventory, customers)
# 生成報(bào)表
generate_excel_report(
(sales_analysis, inventory_turnover, customer_growth),
REPORT_PATH)
# 生成可視化圖表
generate_visualizations(sales_analysis, customer_growth)
elapsed = datetime.now() - start_time
print(f"報(bào)表生成完成！耗時(shí): {elapsed.total_seconds():.2f}秒")
print(f"報(bào)表路徑: {os.path.abspath(REPORT_PATH)}")
except Exception as e:
print(f"生成報(bào)告時(shí)出錯(cuò): {str(e)}")
if __name__ == "__main__":
main()完整代碼實(shí)現(xiàn)
import pandas as pd
from openpyxl import Workbook
from openpyxl.styles import Font, Alignment, Border, Side, PatternFill
from openpyxl.chart import BarChart, Reference
import matplotlib.pyplot as plt
import os
from datetime import datetime
# 配置區(qū)域
DATA_SOURCES = {
'sales': 'data/raw_sales_data.xlsx',
'inventory': 'data/inventory_records.csv',
'customers': 'data/customer_info.json'
}
REPORT_PATH = 'reports/monthly_report.xlsx'
REPORT_TITLE = '2023年度銷售分析報(bào)告'
ANALYSIS_PERIOD = ('2023-01-01', '2023-12-31')
HEADER_STYLE = {
'font': Font(bold=True, color='FFFFFF'),
'fill': PatternFill(start_color='4F81BD', end_color='4F81BD', fill_type='solid'),
'alignment': Alignment(horizontal='center')
}
DATA_STYLE = {
'border': Border(left=Side(style='thin'),
'alignment': Alignment(horizontal='right')
}
def load_and_clean_data():
"""加載并清洗原始數(shù)據(jù)"""
sales_df = pd.read_excel(DATA_SOURCES['sales'])
sales_df = sales_df.dropna(subset=['order_id', 'sale_amount'])
sales_df['order_date'] = pd.to_datetime(sales_df['order_date'])
inventory_df = pd.read_csv(DATA_SOURCES['inventory'])
inventory_df = inventory_df[inventory_df['stock_quantity'] > 0]
customers_df = pd.read_json(DATA_SOURCES['customers'])
customers_df['join_date'] = pd.to_datetime(customers_df['join_date'])
return sales_df, inventory_df, customers_df
def perform_analysis(sales_df, inventory_df, customers_df):
"""執(zhí)行核心數(shù)據(jù)分析"""
period_mask = (sales_df['order_date'] >= ANALYSIS_PERIOD[0]) & \
(sales_df['order_date'] <= ANALYSIS_PERIOD[1])
sales_analysis = sales_df[period_mask].groupby('product_category')['sale_amount'] \
.agg(['sum', 'count', 'mean']).reset_index()
inventory_turnover = inventory_df.groupby('category')['stock_quantity'].sum().reset_index()
active_customers = customers_df[customers_df['status'] == 'active']
customer_growth = active_customers.groupby(
pd.Grouper(key='join_date', freq='M')).size().reset_index(name='count')
return sales_analysis, inventory_turnover, customer_growth
def generate_visualizations(sales_analysis, customer_growth):
"""生成可視化圖表"""
# 銷售額分布圖
plt.figure(figsize=(10, 6))
plt.bar(sales_analysis['product_category'], sales_analysis['sum'])
plt.title('各品類銷售額對(duì)比')
plt.xlabel('產(chǎn)品類別')
plt.ylabel('銷售額')
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig('reports/sales_by_category.png')
# 客戶增長(zhǎng)曲線
plt.figure(figsize=(10, 6))
plt.plot(customer_growth['join_date'], customer_growth['count'], marker='o')
plt.title('月度新增客戶趨勢(shì)')
plt.xlabel('月份')
plt.ylabel('新增客戶數(shù)')
plt.grid(True)
plt.tight_layout()
plt.savefig('reports/customer_growth.png')
def generate_excel_report(data, output_path):
"""生成格式化的Excel報(bào)表"""
wb = Workbook()
ws = wb.active
ws.title = "銷售摘要"
# 添加標(biāo)題
ws.merge_cells('A1:D1')
title_cell = ws['A1']
title_cell.value = REPORT_TITLE
title_cell.font = Font(size=16, bold=True)
title_cell.alignment = Alignment(horizontal='center')
# 添加數(shù)據(jù)表頭
headers = ['產(chǎn)品類別', '總銷售額', '訂單數(shù)量', '平均訂單價(jià)值']
for col_num, header in enumerate(headers, 1):
cell = ws.cell(row=3, column=col_num, value=header)
cell.font = HEADER_STYLE['font']
cell.fill = HEADER_STYLE['fill']
cell.alignment = HEADER_STYLE['alignment']
# 填充數(shù)據(jù)
for row_num, row_data in enumerate(data[0].values, 4):
for col_num, value in enumerate(row_data, 1):
cell = ws.cell(row=row_num, column=col_num, value=value)
cell.border = DATA_STYLE['border']
cell.alignment = DATA_STYLE['alignment']
# 添加圖表
chart = BarChart()
chart.title = "各品類銷售額對(duì)比"
chart.y_axis.title = '銷售額'
chart.x_axis.title = '產(chǎn)品類別'
data_ref = Reference(ws, min_col=2, min_row=3, max_col=2, max_row=row_num)
cats_ref = Reference(ws, min_col=1, min_row=4, max_row=row_num)
chart.add_data(data_ref, titles_from_data=False)
chart.set_categories(cats_ref)
ws.add_chart(chart, "F3")
# 保存文件
os.makedirs(os.path.dirname(output_path), exist_ok=True)
wb.save(output_path)
def main():
print("開始生成月度分析報(bào)告...")
start_time = datetime.now()
try:
sales, inventory, customers = load_and_clean_data()
sales_analysis, inventory_turnover, customer_growth = perform_analysis(
sales, inventory, customers)
generate_excel_report(
(sales_analysis, inventory_turnover, customer_growth),
REPORT_PATH)
generate_visualizations(sales_analysis, customer_growth)
elapsed = datetime.now() - start_time
print(f"報(bào)表生成完成！耗時(shí): {elapsed.total_seconds():.2f}秒")
print(f"報(bào)表路徑: {os.path.abspath(REPORT_PATH)}")
except Exception as e:
print(f"生成報(bào)告時(shí)出錯(cuò): {str(e)}")
if __name__ == "__main__":
main()代碼優(yōu)化建議
數(shù)據(jù)庫(kù)集成：添加直接從SQL數(shù)據(jù)庫(kù)讀取數(shù)據(jù)的功能
參數(shù)化配置：使用配置文件或命令行參數(shù)管理設(shè)置
異常處理增強(qiáng)：為不同操作添加更精細(xì)的錯(cuò)誤處理
性能監(jiān)控：添加內(nèi)存使用和性能分析
模板系統(tǒng)：支持自定義Excel模板
擴(kuò)展功能思路
自動(dòng)化郵件發(fā)送：集成smtplib自動(dòng)發(fā)送報(bào)表
多格式輸出：支持PDF、HTML格式報(bào)表
數(shù)據(jù)驗(yàn)證：添加數(shù)據(jù)質(zhì)量檢查功能
定時(shí)任務(wù)：設(shè)置定期自動(dòng)運(yùn)行
交互式儀表盤：使用Dash或Streamlit創(chuàng)建Web儀表盤
總結(jié)
這個(gè)項(xiàng)目展示了Python在辦公自動(dòng)化方面的強(qiáng)大能力，通過擴(kuò)展和定制，可以滿足各種復(fù)雜的報(bào)表需求。例如：
- 財(cái)務(wù)部門的月度報(bào)表自動(dòng)生成
- 銷售團(tuán)隊(duì)的業(yè)績(jī)?nèi)請(qǐng)?bào)推送
- 運(yùn)營(yíng)部門的活動(dòng)效果分析報(bào)告
系統(tǒng)還預(yù)留了擴(kuò)展接口，支持：
- 郵件自動(dòng)發(fā)送報(bào)表
- 企業(yè)微信/釘釘機(jī)器人通知
- 定時(shí)任務(wù)調(diào)度
建議讀者在實(shí)際工作中應(yīng)用這些技術(shù)，可以先從簡(jiǎn)單的周報(bào)自動(dòng)化開始，逐步構(gòu)建自己的自動(dòng)化工具庫(kù)。典型的學(xué)習(xí)路徑可以是：
- 掌握pandas數(shù)據(jù)處理基礎(chǔ)
- 學(xué)習(xí)Excel文件操作
- 實(shí)現(xiàn)第一個(gè)自動(dòng)化腳本
- 添加異常處理和日志
- 設(shè)計(jì)可復(fù)用的報(bào)表模板
- 集成到日常工作流程中
到此這篇關(guān)于Python數(shù)據(jù)處理之Excel報(bào)表自動(dòng)化生成與分析的文章就介紹到這了,更多相關(guān)Python自動(dòng)化生成Excel報(bào)表內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
在NumPy中創(chuàng)建空數(shù)組/矩陣的方法
今天小編就為大家分享一篇在NumPy中創(chuàng)建空數(shù)組/矩陣的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-06-06
TensorFlow和Numpy矩陣操作中axis理解及axis=-1的解釋
在調(diào)用numpy庫(kù)中的concatenate()時(shí),有遇到axis=-1/1/0的情況,下面這篇文章主要給大家介紹了關(guān)于TensorFlow和Numpy矩陣操作中axis理解及axis=-1解釋的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-03-03
java中兩個(gè)byte數(shù)組實(shí)現(xiàn)合并的示例
今天小編就為大家分享一篇java中兩個(gè)byte數(shù)組實(shí)現(xiàn)合并的示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-05-05
多態(tài)性是 OOP 的一個(gè)特征,這意味著一個(gè)名稱可以具有不同的功能, 這篇文章主要為大家詳細(xì)介紹了如何在 Python 中實(shí)現(xiàn)多態(tài)性,感興趣的小伙伴可以學(xué)習(xí)一下2023-11-11
Django如何利用uwsgi和nginx修改代碼自動(dòng)重啟
這篇文章主要介紹了Django如何利用uwsgi和nginx修改代碼自動(dòng)重啟問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-05-05
pygame編寫音樂播放器的實(shí)現(xiàn)代碼示例
這篇文章主要介紹了pygame編寫音樂播放器的實(shí)現(xiàn)代碼示例，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-11-11
Python+OpenCV 實(shí)現(xiàn)簡(jiǎn)單的高斯濾波(推薦)
這篇文章主要介紹了Python+OpenCV 實(shí)現(xiàn)簡(jiǎn)單的高斯濾波,在文中需要注意的是，這里我沒有特判當(dāng)sigma = 0的時(shí)候的情況，具體實(shí)現(xiàn)過程跟隨小編一起看看吧2021-09-09
關(guān)于你不想知道的所有Python3 unicode特性
我的讀者知道我是一個(gè)喜歡痛罵Python3 unicode的人。這次也不例外。我將會(huì)告訴你用unicode有多痛苦和為什么我不能閉嘴。我花了兩周時(shí)間研究Python3，我需要發(fā)泄我的失望。在這些責(zé)罵中，仍然有有用的信息，因?yàn)樗涛覀內(nèi)绾蝸硖幚鞵ython3。如果沒有被我煩到，就讀一讀吧2014-11-11
這篇文章主要介紹了python如何實(shí)現(xiàn)代碼檢查,如果代碼不規(guī)范，亂七八糟的，被小伙伴打死或者熬夜找bug事小，影響項(xiàng)目進(jìn)度或者破壞項(xiàng)目結(jié)構(gòu)就完蛋了,需要的朋友可以參考下2019-06-06
這篇文章主要介紹了python中xrange和range的區(qū)別,需要的朋友可以參考下2014-05-05