采集到的Excel数据动辄上千行，要用影刀原生指令做筛选排序，得写一大堆循环和判断。 用Python的Pandas库，几行代码搞定数据清洗，再传回影刀写入表格。
核心方法：在“Python代码”指令中导入pandas，对数据做筛选、排序、合并、去重后，输出新表格。
一、为什么要在影刀里用Pandas？
| 操作 | 影刀原生指令 | Pandas代码量 |
|---|
| 筛选价格>50的行 | 循环+判断+新列表 | 1行 |
| 按销量排序 | 循环+排序算法 | 1行 |
| 根据商品名去重 | 循环+记录已出现 | 1行 |
| 两张表合并 | 复杂循环拼接 | 1行 |
| 分组统计平均值 | 嵌套循环 | 1行 |
前提： 你需要先安装pandas库（在影刀Python环境里）。社区版用户第一次使用时可能需安装，创业版/企业版一般已预装。
二、Pandas基础：影刀中的安装与使用
安装pandas（如报错“No module named pandas”）
- 打开影刀安装目录下的Python（或系统Python）
- 执行
pip install pandas openpyxl - 或者直接在影刀的Python代码指令里写
import subprocess; subprocess.run(['pip','install','pandas'])（不推荐，易超时）
社区版注意： 首次安装需要额外时间，建议在本地调试环境先装好。
基础模板
# Python代码指令：Pandas处理数据
# 输入参数：data（影刀传入的二维列表，如从Excel读取的区域数据）
# 输出参数：output_处理后数据（二维列表）
import pandas as pd
# 影刀传入的列表转DataFrame
df = pd.DataFrame(data[1:], columns=data[0]) # data[0]是表头，data[1:]是数据行
# 在这里写处理逻辑
# 例如：筛选价格>50的行
df_filtered = df[df['价格'] > 50]
# 转回二维列表（供影刀写入Excel）
output_处理后数据 = [df_filtered.columns.tolist()] + df_filtered.values.tolist()
注意： 影刀从Excel读到的区域数据格式是 [[表头行], [数据行1], [数据行2]...]，第一行是表头。
三、实战1：筛选（价格>50且销量>1000）
采集了1000条商品数据，只要价格高于50且销量大于1000的商品。
# Python代码指令：筛选数据
# 输入：原始数据（二维列表，第一行是表头）
# 输出：output_筛选后数据
import pandas as pd
# 构建DataFrame
df = pd.DataFrame(原始数据[1:], columns=原始数据[0])
# 筛选条件：价格>50 且 销量>1000
# 假设表头有“价格”和“销量”列
df_result = df[(df['价格'] > 50) & (df['销量'] > 1000)]
# 转回列表
output_筛选后数据 = [df_result.columns.tolist()] + df_result.values.tolist()
影刀调用后，用“写入行数据到表格”把 {筛选后数据} 写入新Excel即可。
四、实战2：排序（按销量降序）
# Python代码指令：按销量排序
import pandas as pd
df = pd.DataFrame(原始数据[1:], columns=原始数据[0])
# 按“销量”列降序排序（ascending=False）
df_sorted = df.sort_values(by='销量', ascending=False)
output_排序后数据 = [df_sorted.columns.tolist()] + df_sorted.values.tolist()
多列排序： df.sort_values(by=['销量', '价格'], ascending=[False, True])
五、实战3：去重（根据商品标题去重，保留第一个）
同一个商品可能被采集多次，需要去重。
# Python代码指令：根据“商品标题”去重
import pandas as pd
df = pd.DataFrame(原始数据[1:], columns=原始数据[0])
# 根据“商品标题”列去重，保留第一次出现的行
df_unique = df.drop_duplicates(subset=['商品标题'], keep='first')
output_去重后数据 = [df_unique.columns.tolist()] + df_unique.values.tolist()
参数说明：
keep='first'保留第一个keep='last'保留最后一个keep=False删除所有重复项
六、实战4：合并两张表（类似Excel VLOOKUP）
有两张表：商品表（商品ID、标题）、价格表（商品ID、价格）。合并成一张完整表。
# Python代码指令：合并两张表
import pandas as pd
# 假设从两张Excel分别读取，存入“商品表”和“价格表”
df_product = pd.DataFrame(商品表[1:], columns=商品表[0])
df_price = pd.DataFrame(价格表[1:], columns=价格表[0])
# 按“商品ID”左连接
df_merged = pd.merge(df_product, df_price, on='商品ID', how='left')
output_合并后数据 = [df_merged.columns.tolist()] + df_merged.values.tolist()
连接方式：
how='inner'只保留两表都有的how='left'保留左表所有how='right'保留右表所有how='outer'保留所有
七、实战5：分组统计（按店铺计算销量总和）
# Python代码指令：按店铺分组统计销量
import pandas as pd
df = pd.DataFrame(原始数据[1:], columns=原始数据[0])
# 按“店铺名”分组，计算“销量”总和和“价格”平均值
df_group = df.groupby('店铺名').agg({
'销量': 'sum',
'价格': 'mean'
}).reset_index()
output_统计结果 = [df_group.columns.tolist()] + df_group.values.tolist()
其他聚合函数： 'count', 'min', 'max', 'std'
八、实战6：添加计算列（利润率 = (价格-成本)/成本）
# Python代码指令：添加计算列
import pandas as pd
df = pd.DataFrame(原始数据[1:], columns=原始数据[0])
# 假设有“价格”和“成本”列，计算利润率
df['利润率'] = (df['价格'] - df['成本']) / df['成本']
# 格式化为百分比（可选）
df['利润率'] = df['利润率'].apply(lambda x: f"{x:.1%}")
output_带计算列数据 = [df.columns.tolist()] + df.values.tolist()
九、影刀+Pandas完整流程示例
# 影刀主流程
# 1. 读取原始数据
Excel Workbook打开：文件"原始数据.xlsx" → 工作簿
读取区域数据到列表：起始"A1"，存入"原始数据"
Excel Workbook关闭
# 2. Python代码指令：Pandas清洗
# 输入：原始数据（二维列表）
# 输出：清洗后数据
import pandas as pd
df = pd.DataFrame(原始数据[1:], columns=原始数据[0])
# 删除空行
df = df.dropna(subset=['商品标题'])
# 筛选价格在10-100之间的
df = df[(df['价格'] >= 10) & (df['价格'] <= 100)]
# 按销量降序
df = df.sort_values(by='销量', ascending=False)
# 去重（相同标题只留一个）
df = df.drop_duplicates(subset=['商品标题'])
# 添加排名列
df['排名'] = range(1, len(df)+1)
output_清洗后数据 = [df.columns.tolist()] + df.values.tolist()
# 3. 写入结果
Excel Workbook打开：文件"清洗结果.xlsx"，自动创建 → 结果工作簿
# 注意：清洗后数据第一行是表头，需要逐行写入
循环列表：清洗后数据，循环变量=行
写入行数据到表格：行数据={行}
Excel Workbook保存并关闭
十、Pandas在影刀中的限制与注意事项
| 限制 | 说明 | 解决办法 |
|---|---|---|
| 大数据量内存 | 10万行以上可能卡顿 | 分批处理或用数据库 |
| 安装问题 | 部分环境未预装pandas | 提前用pip安装，或联系管理员 |
| 中文字段名 | 表头含中文没问题 | 直接用中文列名，如df['价格'] |
| 数据类型 | 影刀传入的数字可能是字符串 | 先用pd.to_numeric()转换 |
| 运行时长 | Pandas处理耗时较长 | 社区版注意时长，先在小数据集测试 |
常见问题速查
| 问题 | 原因 | 解决方法 |
|---|---|---|
ModuleNotFoundError: No module named 'pandas' | 未安装pandas | 运行 pip install pandas |
| 列名取不到 | 表头有空格或特殊字符 | 打印 df.columns 查看实际列名 |
| 数字列排序变成字符串排序 | 列数据类型是object | df['价格'] = pd.to_numeric(df['价格']) |
| 输出后Excel格式错乱 | 转列表时索引未重置 | 加 df.reset_index(drop=True) |
| 内存不足报错 | 数据量太大 | 用 chunksize 分块读取 |
推荐资源
- Pandas官方文档：pandas.pydata.org（有中文版）
- 影刀官方帮助中心：搜索“Pandas”有示例流程下载
- 我的经验：学会Pandas的这5个操作（筛选、排序、去重、合并、分组），能解决90%的数据清洗需求，不用学太深
作者：林焱
本文为《影刀RPA学习手册》系列文章之一，内容源于实操经验的整理与分享。