Python实现报表自动化生成与邮件发送全流程

陆景行

发布时间：2026-10-16 | 4人浏览过

原创

本文详细介绍如何利用Python实现报表自动化流程，涵盖从数据源读取、DataFrame计算、统计指标处理到图表生成的全过程。重点讲解使用Matplotlib和Echarts绘制可视化图表，并通过smtplib与email模块实现报表自动打包及发送至指定邮箱的功能，旨在提升数据分析效率并减少人工操作错误。

项目背景

作为数据分析师，日常工作中涉及大量的统计分析图表制作。当报表数量庞大时，手动制作往往占据大量时间，从而挤占了深入挖掘数据背后关联信息的时间。数据分析师的核心价值在于洞察数据背后的逻辑，而非单纯地制表。既然报表制作是必要环节，我们应利用技术手段优化这一流程。通过开发Python自动化脚本，让程序自动执行报表生成任务，从而释放人力专注于高价值的数据分析工作。这一过程即被称为报表自动化。

一、报表自动化目的

1.节省时间，提高效率

自动化脚本能显著节省时间并提升工作效率。通过降低代码模块间的耦合度，使程序更易于维护。这将为我们节省大量时间，使我们能够专注于更有价值的工作内容。

2.减少错误

经过验证的代码可以重复使用且结果稳定，而人工操作容易因疲劳或疏忽产生错误。将任务交给固定程序处理更加可靠。当需求发生变更时，只需修改相关代码片段即可适应新情况，无需重新执行整个流程。

二、报表自动化范围

首先，需根据业务需求确定需要自动化的报表类型。并非所有报表都适合自动化，部分涉及复杂二次开发的指标数据，其自动化实现难度较大且可能引入潜在Bug。因此，需对工作中常用的报表特性进行归纳，综合考虑以下因素：

1.频率

对于业务中高频使用的报表，如客户信息清单、销售额流量报表、业务流失报表、环比同比报表等，应纳入自动化程序的范围。

高频使用的报表非常有必要进行自动化处理。而对于偶尔使用、涉及二次开发指标或仅需简单复制统计的报表，则无需实现自动化。

2.开发时间

这类似于成本与收益的权衡。如果某些报表的自动化实现难度大，且开发脚本所耗费的时间超过人工制作报表的时间，则无需实现自动化。在启动自动化工作前，需评估开发脚本时间与人工制表时间的长短。本文提供的方案仅适用于常用且简单的报表场景。

3.流程

不同公司的报表处理流程和步骤存在差异。我们需要根据具体的业务场景编码实现各个步骤的功能，确保制作的流程符合业务逻辑，程序运行也符合逻辑规范。

三、实现步骤

首先明确所需的统计指标：

指标

总体概览指标

反映某一数据指标的整体规模大小。

对比性指标
环比

计算相邻时间段内指标的差值。

同比

对比相邻时间段内同一特定时间点的指标。

集中趋势指标
中位数
众数
平均数/加权平均数
离散程度指标
标准差
方差
四分位数
全距（极差）
最大界减最小界
相关性指标
r

接下来，我们将通过一个简单报表的模拟实现来展示具体操作：

第一步：读取数据源文件

首先需明确数据来源，即数据源。最终的数据处理均转化为DataFrame格式进行分析，因此需要将数据源转换为DataFrame形式：

import pandas as pd
import json
import pymysql
from sqlalchemy import create_engine
 
# 打开数据库连接
conn = pymysql.connect(host='localhost',
                       port=3306,
                       user='root',
                       passwd='xxxx',
                       charset = 'utf8'
                       )
engine=create_engine('mysql+pymysql://root:xxxx@localhost/mysql?charset=utf8')
 
def read_excel(file):
    df_excel=pd.read_excel(file)
    return df_excel
def read_json(file):
    with open(file,'r')as json_f:
        df_json=pd.read_json(json_f)
        return df_json
def read_sql(table):
    sql_cmd ='SELECT * FROM %s'%table
    df_sql=pd.read_sql(sql_cmd,engine)
    return df_sql
def read_csv(file):
    df_csv=pd.read_csv(file)
    return df_csv

以上代码均通过测试可以正常使用，但是pandas的read函数针对不同的形式的文件读取，其read函数参数也有不同的含义，需要直接根据表格的形式来调整。

其他read函数将会在文章写完之后后续补上，除了read_sql需要连接数据库之外，其他的都是比较简单的。

第二步：DataFrame计算

我们以用户信息为例：

我们需要统计的指标为：

#指标说明

单表图：

前十个产品受众最多的地区

#将城市空值的一行删除
df=df[df['city_num'].notna()]
#删除error
df=df.drop(df[df['city_num']=='error'].index)
#统计    df = df.city_num.value_counts()

我们仅获取前10名的城市就好了，封装为饼图：

def pie_chart(df):
    #将城市空值的一行删除
    df=df[df['city_num'].notna()]
    #删除error
    df=df.drop(df[df['city_num']=='error'].index)
    #统计
    df = df.city_num.value_counts()
    df.head(10).plot.pie(subplots=True,figsize=(5, 6),autopct='%.2f%%',radius = 1.2,startangle = 250,legend=False)
pie_chart(read_csv('user_info.csv'))

将图表保存起来：

plt.savefig('fig_cat.png')

要是你觉得matplotlib的图片不太美观的话，你也可以换成echarts的图片，会更加好看一些：

pie = Pie()
pie.add("",words)
pie.set_global_opts(title_opts=opts.TitleOpts(title="前十地区"))
#pie.set_series_opts(label_opts=opts.LabelOpts(user_df))
pie.render_notebook()

封装后就可以直接使用了：

def echart_pie(user_df):
    user_df=user_df[user_df['city_num'].notna()]
    user_df=user_df.drop(user_df[user_df['city_num']=='error'].index)
    user_df = user_df.city_num.value_counts()
    name=user_df.head(10).index.tolist()
    value=user_df.head(10).values.tolist()
    words=list(zip(list(name),list(value)))
    pie = Pie()
    pie.add("",words)
    pie.set_global_opts(title_opts=opts.TitleOpts(title="前十地区"))
    #pie.set_series_opts(label_opts=opts.LabelOpts(user_df))
    return pie.render_notebook()
user_df=read_csv('user_info.csv')
echart_pie(user_df)

可以进行保存，可惜不是动图：

from snapshot_selenium import snapshot
make_snapshot(snapshot,echart_pie(user_df).render(),"test.png")

保存为网页的形式就可以自动加载JS进行渲染了：

echart_pie(user_df).render('problem.html')
os.system('problem.html')

第三步：自动发送邮件

生成的一系列报表通常需要发送给相关人员。对于需要每日发送指定邮箱或多封报表的场景，可以使用Python自动发送邮件。

在Python发送邮件主要借助到smtplib和email这个两个模块。

smtplib：主要用来建立和断开与服务器连接的工作。
email：主要用来设置一些些与邮件本身相关的内容。

不同种类的邮箱服务器连接地址不一样，大家根据自己平常使用的邮箱设置相应的服务器进行连接。这里博主用网易邮箱展示：

首先需要开启POP3/SMTP/IMAP服务：

之后便可以根据授权码使用python登入了。

import smtplib
from email import encoders
from email.header import Header
from email.utils import parseaddr,formataddr
from email.mime.application import MIMEApplication
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
 
#发件人邮箱
asender="fanstuck@163.com"
#收件人邮箱
areceiver="1079944650@qq.com"
#抄送人邮箱
acc="fanstuck@163.com"
#邮箱主题
asubject="谢谢关注"
#发件人地址
from_addr="fanstuck@163.com"
#邮箱授权码
password="####"
#邮件设置
msg=MIMEMultipart()
msg['Subject']=asubject
msg['to']=areceiver
msg['Cc']=acc
msg['from']="fanstuck"
#邮件正文
body="你好，欢迎关注fanstuck，您的关注就是我继续创作的动力！"
msg.attach(MIMEText(body,'plain','utf-8'))
#添加附件
htmlFile = 'C:/Users/10799/problem.html'
html = MIMEApplication(open(htmlFile , 'rb').read())
html.add_header('Content-Disposition', 'attachment', filename='html')
 
msg.attach(html)
#设置邮箱服务器地址和接口
smtp_server="smtp.163.com"
server = smtplib.SMTP(smtp_server,25)
server.set_debuglevel(1)
#登录邮箱
server.login(from_addr,password)
#发生邮箱
server.sendmail(from_addr,areceiver.split(',')+acc.split(','),msg.as_string())
#断开服务器连接
server.quit()

运行测试：