第二天学习内容：读取 Excel 并进行账龄分析

一、今天的学习目标

昨天，我们学了字符串的基本操作（拼接、切片、拆分等）。今天，我们把这些基本操作应用到真实场景中——从 Excel 中读取数据并进行简单分析。今天学习如何使用 Python 读取 Excel 文件，并对其中的账龄数据进行简单处理。
目标是：

1. 学会使用 openpyxl 这个库读取 Excel

2. 理解如何逐行提取 Excel 数据

3. 用最基础的条件判断（if）进行账龄分析

这些知识将为后续的财务分析打下基础。

---

二、Excel 文件如何在 Python 里读取？

在财务分析中，数据大部分都来自 Excel，Python 怎么读取 Excel 呢？
首先，我们需要安装并导入 openpyxl 库，它是专门用来操作 Excel 文件的。

1. 安装 openpyxl 库

打开你的 PyCharm，找到右下角的 Terminal（终端），然后输入以下命令来安装 openpyxl：

pip install openpyxl

安装完成后，Python 就可以使用这个库了。

2. 导入 openpyxl 库

from openpyxl import load_workbook

• from openpyxl：告诉 Python 你要使用 openpyxl 库

• import load_workbook：导入读取 Excel 文件的函数，load_workbook 就是用来打开和读取 Excel 文件的工具。

---

三、用 Python 打开并读取 Excel 文件

假设你有一个 Excel 文件 欠款数据.xlsx，文件里存放了客户欠款的数据。我们来看看怎么打开它并读取里面的内容。

1. 打开 Excel 文件

wb = load_workbook("欠款数据.xlsx")

• wb 就是打开的 Excel 文件

• load_workbook("欠款数据.xlsx") 是打开文件的函数，"欠款数据.xlsx" 是文件名

如果你没有放在 Python 文件同级目录下，记得写文件的完整路径。

小贴士：关于 Python 文件同级目录

• 什么是同级目录？
  如果你的 Python 脚本和 Excel 文件在同一个文件夹里，那就叫同级目录。你只需要写文件名，Python 就能找到它。

•  文件不在同级目录时：完整路径——完整路径是什么？ 如果文件在其他文件夹里，你需要写出完整路径，告诉 Python 文件在哪里。例如：

• wb = load_workbook("C:/Users/你的用户名/Documents/我的项目/数据.xlsx")

  怎么找到完整路径？

  打开文件所在的文件夹，右键点击文件，选择“属性”。

• 你可以看到文件的完整路径，把它复制到 Python 代码中。

2. 选择 Excel 工作表

Excel 文件中可能有多个工作表，我们需要选择其中一个。默认是选择第一个工作表：

sheet = wb.active 

• sheet 是你选中的工作表，后面所有的操作都会针对这个工作表进行

---

四、读取工作表中的数据

我们读取的是 Excel 工作表中的内容，每一行数据都包含不同的财务信息（例如客户名、欠款天数、金额等）。
你可以通过下面的代码逐行读取工作表的数据。

1. 逐行读取 Excel 数据

假设你的 Excel 文件长得像这样：

客户	欠款天数	金额
张三	45	1000
李四	20	500
王五	75	2000

代码如下：

for row in sheet.iter_rows(min_row=2, values_only=True):
    print(row)

解释：

• sheet.iter_rows(min_row=2, values_only=True)：逐行读取从第 2 行开始的数据（min_row=2 是为了跳过表头）

• row 是每一行的数据，打印出来看它是什么格式

• values_only=True 让每一行只返回单元格的值，而不是更多的信息

输出结果：

('张三', 45, 1000)
('李四', 20, 500)
('王五', 75, 2000)

你看到的这些数据已经是 Python 里的元组（tuple）了，每个元组里有 3 个元素，分别代表：

1. 客户名（'张三'）

2. 欠款天数（45）

3. 欠款金额（1000）

---

五、基础账龄分析：判断欠款是否逾期

我们已经能够从 Excel 中读取数据了，现在来做一个最简单的账龄分析。目标是：根据“欠款天数”来判断是否逾期，并计算各个区间的总金额。

假设逾期的账龄区间如下：

• 0–30 天：正常

• 31–60 天：轻微逾期

• 61–90 天：中度逾期

• 大于 90 天：严重逾期

1. 代码实现账龄分析

age_buckets = {
    "0-30": 0,
    "31-60": 0,
    "61-90": 0,
    ">90": 0
}

for row in sheet.iter_rows(min_row=2, values_only=True):
    name, days, amount = row

    if days <= 30:
        age_buckets["0-30"] += amount
    elif days <= 60:
        age_buckets["31-60"] += amount
    elif days <= 90:
        age_buckets["61-90"] += amount
    else:
        age_buckets[">90"] += amount

print(age_buckets)

解释：

• age_buckets 是一个字典，用来存储各个账龄区间的总金额

• for row in sheet.iter_rows(min_row=2, values_only=True) 逐行读取数据

• if-elif-else 用来判断欠款天数属于哪个区间，然后把金额累加到对应的区间

输出结果（假设数据如下）：

{'0-30': 500, '31-60': 1000, '61-90': 2000, '>90': 0}

表示：

• 0–30 天：500 元

• 31–60 天：1000 元

• 61–90 天：2000 元

• 大于 90 天：0 元

• 讲解：

• age_buckets = {
      "0-30": 0,
      "31-60": 0,
      "61-90": 0,
      ">90": 0
  }
  解释：

  这行代码创建了一个字典（dictionary）。字典是 Python 中的一种数据结构，用来存储键（key）和对应的值（value）。

  age_buckets 是字典的名字，意思是“账龄区间”。

  这个字典有 4 个键，每个键表示一个账龄区间（0-30 天、31-60 天、61-90 天、超过 90 天），值初始都设为 0。表示每个区间的欠款总金额（暂时为 0，后面会累加）。

• for row in sheet.iter_rows(min_row=2, values_only=True):
      name, days, amount = row
  解释：

  for 是 Python 中的循环语句，表示“遍历”。

  sheet.iter_rows(min_row=2, values_only=True) 是用来逐行读取 Excel 工作表的数据：

  min_row=2 表示从 Excel 表格的第 2 行开始读取（通常第 1 行是表头，不需要处理）。

  values_only=True 表示只读取单元格里的数据值，而不是其他格式或样式。

  这行代码会依次把每一行的值存入 row 变量，row 是一个包含 3 个元素的元组：

  name：客户的名字（例如“张三”）

  days：欠款的天数（例如 45 天）

  amount：欠款金额（例如 1000 元）

  英文解释：

  iter_rows：表示“遍历行”。

  min_row：表示“从第几行开始”。

  values_only：表示“只取值，不取其他信息”。

• if days <= 30:
      age_buckets["0-30"] += amount
  elif days <= 60:
      age_buckets["31-60"] += amount
  elif days <= 90:
      age_buckets["61-90"] += amount
  else:
      age_buckets[">90"] += amount
  解释：

  这部分是一个条件判断（if-elif-else）语句，用来根据欠款天数（days）判断它属于哪个账龄区间，并把欠款金额（amount）加到对应的区间。

  if days <= 30:

  如果 days 小于或等于 30（即欠款天数在 0-30 天之间），则把 amount（欠款金额）加到字典中 "0-30" 键对应的值里。

  elif days <= 60:

  如果 days 在 31 到 60 天之间，就把欠款金额加到 "31-60" 区间。

  elif days <= 90:

  如果 days 在 61 到 90 天之间，就加到 "61-90" 区间。

  else:

  如果 days 大于 90 天，就加到 ">90" 区间。

  英文解释：

  if：表示“如果”。

  elif：是“else if”的缩写，表示“否则，如果”。

  else：表示“否则”。

  <=：表示“小于或等于”。

  +=：表示“累加”，即把右边的值加到左边的值上。

• print(age_buckets)
  解释：

  print(age_buckets) 将输出字典 age_buckets 的内容。

  你会看到各个账龄区间对应的总欠款金额。

  例如，输出可能是：

  {'0-30': 1500, '31-60': 2000, '61-90': 2500, '>90': 1000}
  这表示：

  欠款天数在 0-30 天之间的总金额是 1500 元

  欠款天数在 31-60 天之间的总金额是 2000 元

  欠款天数在 61-90 天之间的总金额是 2500 元

  欠款天数超过 90 天的总金额是 1000 元

  小结：
  age_buckets 字典：存储各个账龄区间的欠款总金额。

  for 循环：逐行读取 Excel 中的欠款数据。

  if-elif-else 判断：根据欠款天数判断它属于哪个账龄区间，并累加相应金额。

  print：输出最终的账龄分析结果。

---

六、今天的小总结

今天我们学到了：

1. 如何使用 openpyxl 库读取 Excel 文件

2. 如何逐行读取 Excel 中的数据

3. 最基础的账龄分析：用 if 判断欠款天数

4. Python 中的数据结构：列表、字典、元组

你现在已经能够从 Excel 中提取数据并进行简单分析了，后续会继续提升，让分析更高效、更智能。

那么今天可能有小朋友要问了，我学习了这么多代码我记不住怎么办？

完全正常，刚开始学 Python + 财务分析的时候，大脑会有点“信息爆炸”，尤其是代码语法和逻辑都还不熟悉。记不住并不代表你学不会。关键是理解 > 死记硬背，然后用对方法巩固记忆。

这里给你几个小白也能用的办法：

---

1️⃣ 多写几次，动手比看记得快

• 读代码容易忘，自己敲一遍比看 AI 给的例子强十倍。

• 先照着博客代码敲一遍，输出结果看对不对。

• 再改一点，比如把 Excel 文件换成你自己的数据，改账龄区间、金额，看看输出变化。

小技巧：不要追求一次记住，做多几次你自然会记住结构和方法。

---

2️⃣ 写中文注释，帮自己理解

• 在每行代码旁边写中文注释，把逻辑和英文都解释清楚。

• 例如：

age_buckets = {"0-30":0, "31-60":0, "61-90":0, ">90":0}  # 建立字典存储每个账龄区间金额

for row in sheet.iter_rows(min_row=2, values_only=True):  # 遍历 Excel 从第2行开始的数据
    name, days, amount = row  # 拆分每行的数据：名字、欠款天数、金额

    if days <= 30:  # 小于等于30天，属于0-30天区间
        age_buckets["0-30"] += amount
    elif days <= 60:  # 31-60天
        age_buckets["31-60"] += amount
    elif days <= 90:  # 61-90天
        age_buckets["61-90"] += amount
    else:  # 超过90天
        age_buckets[">90"] += amount

print(age_buckets)  # 输出账龄分析结果

中文注释能帮你把“英文 + 符号 + 逻辑”转化成大脑能理解的意思。

---

3️⃣ 小步练习，不要求一次全部记住

• 今天只记住字典 + 循环 + if-elif-else 的结构

• 明天练习用 pandas 做类似账龄分析时，自然会再次用到，你会慢慢记住

• 重复比死记硬背有效 10 倍

---

4️⃣ 结合博客写自己的小笔记

• 每天学习完，把今天的代码用自己的话总结一遍，或者画一个小流程图：

  • Excel → 遍历每行 → 判断区间 → 累加金额 → 输出

• 视觉化信息比文字记忆容易。

---

5️⃣ 别怕忘

• 刚开始忘是正常的，不代表你学不会

• 多动手、多尝试、多改参数，你会慢慢形成自己的“肌肉记忆”

• AI 可以帮你提示语法，但理解逻辑才是记住的关键