Excel报表操作：清洗财报与财务指标

Excel报表操作：清洗财报与财务指标

小象量化极客小册 · 华尔街量化分析先锋系列

在量化交易中，历史回测数据往往以多种异构本地文件（TXT、CSV、JSON、Excel）和关系数据库形式存在。本节你将编写数据接口，读取小象咖啡的门店营收数据并解析股票行情API响应，打通量化回测的数据通道！

小象量化极客小册 · 华尔街量化分析先锋系列 在量化交易中，历史回测数据往往以多种异构本地文件（TXT、CSV、JSON、Excel）和关系数据库形式存在。本节你将编写数据接口，读取小象咖啡的门店营收数据并解析股票行情API响应，打通量化回测的数据通道！

💡 核心导读

本节将系统讲解如何使用Python处理Excel文件，涵盖主流库的对比选型、数据读写操作技巧以及典型问题解决方案。通过本节学习，您将掌握：1) 使用pandas进行Excel数据高效读写 2) 处理多Sheet和格式转换 3) 解决中文编码等常见问题。配套的代码示例可直接应用于实际工作中的数据采集场景。

工具选型与基础操作

主流库对比

基础读写示例

import pandas as pd

df = pd.read_excel('sales_data.xlsx', engine='openpyxl')  

print("原始数据结构：")
print(df.head(2).to_markdown())  # 使用markdown格式输出

df.to_excel('processed_data.xlsx', sheet_name='2023', index=True)

💡 概念小测：Excel工作表定位

用 Pandas 加载含有多张工作表（如 BalanceSheet, IncomeStatement）的财报 Excel 文件时，如何读取指定的工作表？

• 必须将 Excel 文件拆分为多个 CSV 文件才能分别读取。
• 使用 sheet_name 参数指定要读取的工作表名称或索引。
• Pandas 会默认合并所有的 Sheet，无需进行任何指定。
• 使用 usecols 参数来过滤工作表。

📝 选择题

💡 概念小测：Excel工作表定位 用 Pandas 加载含有多张工作表（如 BalanceSheet, IncomeStatement）的财报 Excel 文件时，如何读取指定的工作表？

• A. 必须将 Excel 文件拆分为多个 CSV 文件才能分别读取。
• B. 使用 sheet_name 参数指定要读取的工作表名称或索引。
• C. Pandas 会默认合并所有的 Sheet，无需进行任何指定。
• D. 使用 usecols 参数来过滤工作表。

答案：B（使用 sheet_name 参数指定要读取的工作表名称或索引。）

高级操作技巧

多Sheet处理

all_sheets = pd.read_excel('multi_sheet.xlsx', sheet_name=None)

merged_data = pd.concat([
    all_sheets['Q1'], 
    all_sheets['Q2']
], ignore_index=True)

print("\n合并前Sheet数量:", len(all_sheets))
print("合并后数据量:", len(merged_data))

数据类型转换

df['金额'] = df['金额'].str.replace('¥','').astype(float)

df['订单日期'] = pd.to_datetime(df['订单日期'], format='%Y年%m月%d日')

print("\n数据类型转换结果：")
print(df.dtypes.to_markdown())

常见问题解决方案

中文编码处理

with open('中文文件名.xlsx', 'rb') as f:
    df = pd.read_excel(f, engine='openpyxl')

df.to_excel('输出文件.xlsx', encoding='utf-8-sig')

大文件分块处理

chunk_size = 10000
chunks = pd.read_excel('large_file.xlsx', chunksize=chunk_size)

for i, chunk in enumerate(chunks):
    print(f"正在处理第 {i+1} 个数据块...")
    # 在此处添加处理逻辑

💡 代码填空：读取财务报表

补全代码，读取 Excel 财报文件 report.xlsx 中名为 IncomeStatement 的工作表：

import pandas as pd

df = pd.read_excel('report.xlsx', {blank}='IncomeStatement')
print(df.shape)

• sheet
• sheet_name
• index_col

✏️ 填空题

💡 代码填空：读取财务报表 补全代码，读取 Excel 财报文件 report.xlsx 中名为 IncomeStatement 的工作表：

import pandas as pd
df = pd.read_excel('report.xlsx', ___='IncomeStatement')
print(df.shape)

答案：sheet_name

本章小结

行动清单

• 使用pandas读取本地Excel文件，尝试用to_markdown()方法输出前5行数据
• 创建一个包含多个Sheet的Excel文件，编写代码合并所有Sheet数据
• 处理包含中文日期格式（如”2023年12月31日”）的列，转换为标准datetime类型

「小象量化教研组」建议在实际操作时注意：1) 始终指定engine参数避免版本问题 2) 处理大型文件时使用chunksize参数 3) 重要操作前先创建数据备份。