用 pandas 整理表格

為什麼不直接用 Excel？

Excel 很好用，這堂課也不是要你放棄它。但如果你每個月都要做同樣的事：打開報表、篩選某些列、做樞紐分析、另存新檔……那就很適合交給 Python。

寫成程式的好處是：下個月只要換檔案、按一次執行。步驟寫在程式裡，不會漏做，也不會因為手滑點錯格子而算錯。

pandas 是 Python 處理表格最常用的套件。「套件」就是別人寫好、可以下載來用的工具包。

安裝 pandas

在終端機輸入（Mac 請把 python 換成 python3）：

python -m pip install pandas openpyxl

pip 是 Python 的套件安裝工具。openpyxl 是讓 pandas 能讀寫 .xlsx 檔的幫手，兩個一起裝。

準備練習資料

如果你做過「Python 第一步」的記帳小工具，可以直接用你的 expenses.csv。沒有的話，建立一個 expenses.csv，貼上下面的內容：

date,category,item,amount
2026-11-01,餐費,雞腿便當,85
2026-11-01,交通,捷運,30
2026-11-02,餐費,珍奶,60
2026-11-03,娛樂,電影,300
2026-11-03,餐費,牛肉麵,150
2026-11-04,交通,計程車,220
2026-11-05,餐費,早餐,55

讀進來：DataFrame

import pandas as pd

df = pd.read_csv("expenses.csv", encoding="utf-8-sig")
print(df.head())
print(df.shape)

import pandas as pd 是大家的慣例寫法，之後用 pd 代表 pandas。

df 是 DataFrame 的縮寫，你可以把它想成「程式裡的一張 Excel 表」：有欄位名稱、有一列一列的資料。df.head() 顯示前 5 列，df.shape 告訴你有幾列幾欄，這裡會是 (7, 4)。

讀 Excel 也一樣簡單：

df = pd.read_excel("公司報表.xlsx", sheet_name="11月")

讀進來、處理、寫出去。原始檔案從頭到尾都沒被改到。

篩選：只看你要的列

big = df[df["amount"] >= 100]
print(big)

food = df[df["category"] == "餐費"]
print(food["amount"].sum())

df["amount"] >= 100 會對每一列檢查一次，得到一串 True 和 False，再放進 df[...] 裡，就只留下 True 的那幾列。效果跟 Excel 的「篩選」一樣。

兩個條件要同時成立時，用 & 連接，每個條件各自加括號：

big_food = df[(df["category"] == "餐費") & (df["amount"] >= 100)]

分組加總：取代樞紐分析

上一個單元我們用迴圈加字典，寫了好幾行才做到「依類別加總」。用 pandas 只要一行：

summary = df.groupby("category")["amount"].sum().sort_values(ascending=False)
print(summary)

category
餐費    350
娛樂    300
交通    250
Name: amount, dtype: int64

由左往右讀：依 category 分組 → 取 amount 欄 → 加總 → 由大到小排序。

除了 sum()，也可以用 mean()（平均）、count()（筆數）、max()（最大值）。

輸出成 Excel

with pd.ExcelWriter("11月記帳.xlsx") as writer:
    df.to_excel(writer, sheet_name="明細", index=False)
    summary.to_excel(writer, sheet_name="小計")

這樣會產生一個有兩個工作表的 Excel 檔。index=False 是不要把 pandas 自動加的列編號（0、1、2……）也寫進去。

和 AI 一起用 pandas

pandas 的功能非常多，沒有人全部背得起來，資深工程師也常常要查。這正是 AI 最能幫上忙的地方：你描述想要的結果，它告訴你用哪個函式。

拿到答案後，用你自己的小資料跑一次，再拿計算機挑一兩格驗算。AI 給的數字對不對，最後要由你確認。