【Python】エクセルの作業を自動化する例を紹介

Pythonのライブラリopenpyxlを使用することによって、エクセルファイルの読み書きや操作を自動化できます。openpyxlはPythonからExcelファイル（.xlsx）を直接操作するための機能を提供しており、インストールはpipコマンドで「pip install openpyxl」と入力するだけで完了です。

【サンプルコード】
import openpyxl

# 新規ワークブックの作成
wb = openpyxl.Workbook()
sheet = wb.active
sheet.title = "売上データ"

# データの入力
headers = ["商品名", "単価", "数量", "合計"]
for col, header in enumerate(headers, 1):
    sheet.cell(row=1, column=col).value = header

products = [
    ["ノートPC", 80000, 5],
    ["マウス", 3000, 10],
    ["キーボード", 5000, 8]
]

for row, product in enumerate(products, 2):
    for col, value in enumerate(product, 1):
        sheet.cell(row=row, column=col).value = value
    # 合計金額の計算
    sheet.cell(row=row, column=4).value = product[1] * product[2]

# ファイルの保存
wb.save("sales_report.xlsx")

【実行結果】
Excelファイル「sales_report.xlsx」が作成され、以下のようなデータが格納されます
------------------------------------------
| 商品名    | 単価   | 数量 | 合計      |
------------------------------------------
| ノートPC  | 80000  | 5    | 400000    |
| マウス    | 3000   | 10   | 30000     |
| キーボード | 5000   | 8    | 40000     |
------------------------------------------

openpyxlではセルの書式設定や数式の適用も行えます。cell(row, column)メソッドやsheet["A1"]などの表記を使用して、Excelの操作を直感的に記述することも可能です。

上記のサンプルコードはワークブックの作成からヘッダーの設定、データ入力、合計の計算を実装したものです。業務の現場では、これを応用して売上レポートの自動作成や在庫管理などの効率化を図れます。

「Python」を学べるコードキャンプのサービス

• 「Python」を学べる
  中高生向けサービス

  

• 「Python」を学べる
  企業研修サービス

  

既存のエクセルファイルを読み込み、分析や加工を行う処理も自動化することが可能です。複数ファイルをまとめて扱う場合にも有効であり、定期的に同じ形式のレポートを更新するときに作業を大幅に効率化できます。

【サンプルコード】
import openpyxl
from openpyxl.chart import BarChart, Reference

# 既存のExcelファイルを開く
wb = openpyxl.load_workbook("sales_report.xlsx")
sheet = wb.active

# データの読み込みと集計
total_sales = 0
max_row = sheet.max_row

for row in range(2, max_row + 1):
    product_name = sheet.cell(row=row, column=1).value
    total = sheet.cell(row=row, column=4).value
    total_sales += total
    print(f"{product_name}: {total}円")

# 合計行の追加
sheet.cell(row=max_row + 1, column=1).value = "合計"
sheet.cell(row=max_row + 1, column=4).value = total_sales

# グラフの作成
chart = BarChart()
chart.title = "商品別売上"
chart.y_axis.title = "売上金額"
chart.x_axis.title = "商品名"

data = Reference(sheet, min_col=4, min_row=2, max_row=max_row, max_col=4)
categories = Reference(sheet, min_col=1, min_row=2, max_row=max_row, max_col=1)

chart.add_data(data)
chart.set_categories(categories)

# グラフをシートに追加
sheet.add_chart(chart, "F2")

# 集計結果を新しいシートに保存
summary_sheet = wb.create_sheet(title="集計結果")
summary_sheet["A1"] = "総売上"
summary_sheet["B1"] = total_sales

# 変更を保存
wb.save("sales_report_analyzed.xlsx")

【実行結果】
ノートPC: 400000円
マウス: 30000円
キーボード: 40000円

「sales_report_analyzed.xlsx」ファイルが作成され
1. 合計行が追加
2. 商品別売上の棒グラフが挿入
3. 新しいシート集計結果に総売上が記録

既存ファイルの読み込みにはload_workbookを使用します。sheet.max_rowによってシートの最終行まで自動で処理できるため、データ量が増えても同じコードを使い回せます。グラフを追加するBarChartモジュールを組み合わせると、視覚的にもわかりやすいレポートを作成することが可能です。

エクセルを使った定型業務は、Pythonのスクリプトによって大幅に効率化できます。請求書の作成や在庫管理、データクレンジングなどのタスクを自動化すると、人的ミスの削減や作業時間の短縮につながります。

【サンプルコード】
import os
import openpyxl
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

# 定型業務の自動化: 複数の月次売上レポートを集約し、サマリーレポートを作成する例

def consolidate_reports():
    reports_folder = "monthly_reports"
    files = [f for f in os.listdir(reports_folder) if f.endswith('.xlsx')]
    
    all_data = []
    
    for file in files:
        month_str = file.split('_')[1] + '-' + file.split('_')[2].split('.')[0]
        month_date = datetime.strptime(month_str, '%Y-%m')
        
        df = pd.read_excel(os.path.join(reports_folder, file))
        df['月'] = month_date
        all_data.append(df)
    
    consolidated_data = pd.concat(all_data, ignore_index=True)
    
    summary = consolidated_data.pivot_table(
        values='売上金額',
        index='月',
        columns='商品カテゴリ',
        aggfunc='sum'
    )
    
    summary['合計'] = summary.sum(axis=1)
    category_totals = summary.sum()
    summary.loc['合計'] = category_totals
    
    with pd.ExcelWriter('sales_summary_report.xlsx') as writer:
        summary.to_excel(writer, sheet_name='集計')
        consolidated_data.to_excel(writer, sheet_name='詳細データ', index=False)
        
        monthly_totals = summary['合計'][:-1]
        
        workbook = writer.book
        chart_sheet = workbook.create_sheet('月別推移グラフ')
        
        plt.figure(figsize=(10, 6))
        monthly_totals.plot(kind='bar', color='skyblue')
        plt.title('月別売上推移')
        plt.ylabel('売上金額')
        plt.grid(axis='y')
        plt.tight_layout()
        plt.savefig('monthly_sales.png')
        
        img = openpyxl.drawing.image.Image('monthly_sales.png')
        chart_sheet.add_image(img, 'B2')
    
    print(f"処理完了: {len(files)}ファイルのデータを「sales_summary_report.xlsx」に集約しました")

# 実行
consolidate_reports()

【実行結果】
処理完了: 12ファイルのデータを「sales_summary_report.xlsx」に集約しました

sales_summary_report.xlsxには以下のシートが含まれます
1. 集計
2. 詳細データ
3. 月別推移グラフ
またmonthly_sales.pngというグラフ画像ファイルも生成されます

上記のサンプルコードでは、複数ファイルからのデータ抽出とピボットテーブルによる集計を組み合わせて自動化しています。月次や週次で同じ処理を行う業務は、このようなスクリプトを活用すると安定した品質で迅速に結果を得られます。

PandasのDataFrameとエクセルを組み合わせると、より複雑なデータ処理や集計を自動化できます。時系列データの集計や統計分析を短いコードで記述し、Excelファイルへ直接出力できるため大量のデータを扱うケースでも便利です。

【サンプルコード】
import openpyxl
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

# サンプルデータの作成（本来は既存のExcelファイルを読み込む）
data = {
    '日付': [datetime(2023, 1, i) for i in range(1, 11)],
    '部門A売上': [120000, 130000, 125000, 140000, 145000, 135000, 150000, 155000, 160000, 165000],
    '部門B売上': [95000, 100000, 105000, 110000, 115000, 105000, 120000, 125000, 130000, 135000],
    '経費': [50000, 55000, 52000, 58000, 60000, 57000, 63000, 65000, 68000, 70000]
}

# データフレームの作成
df = pd.DataFrame(data)

# データ分析
df['純利益'] = df['部門A売上'] + df['部門B売上'] - df['経費']
df['日付'] = pd.to_datetime(df['日付'])
df.set_index('日付', inplace=True)

# 週次集計
weekly_summary = df.resample('W').sum()

# 部門別売上比率の計算
df['A比率'] = df['部門A売上'] / (df['部門A売上'] + df['部門B売上']) * 100
df['B比率'] = df['部門B売上'] / (df['部門A売上'] + df['部門B売上']) * 100

# Excelファイルへの書き込み
with pd.ExcelWriter('sales_analysis.xlsx', engine='openpyxl') as writer:
    df.to_excel(writer, sheet_name='日次データ')
    weekly_summary.to_excel(writer, sheet_name='週次集計')
    
    # グラフ作成と保存（日次純利益の推移）
    plt.figure(figsize=(10, 6))
    df['純利益'].plot(kind='line', marker='o')
    plt.title('日次純利益の推移')
    plt.grid(True)
    plt.savefig('profit_trend.png')
    
    # グラフシートを作成して画像を挿入
    workbook = writer.book
    worksheet = workbook.create_sheet('グラフ')
    worksheet.add_image(openpyxl.drawing.image.Image('profit_trend.png'), 'B2')

【実行結果】
「sales_analysis.xlsx」ファイルが作成され以下のシートが含まれます
1. 日次データ
2. 週次集計
3. グラフ
また「profit_trend.png」の画像ファイルも生成されます

to_excelメソッドによって、DataFrameの内容を直接エクセルlへ書き込めます。集計や分析をプログラム内で実行し、結果を出力する一連の流れを自動化できるため、日次や週次レポート作成の手間を減らせます。時系列データを扱うresampleメソッドや各種統計関数を組み合わせると、より高度な分析にも対応可能です。

※上記コンテンツの内容やソースコードはAIで確認・デバッグしておりますが、間違いやエラー、脆弱性などがある場合は、コメントよりご報告いただけますと幸いです。

ITやプログラミングに関するコラム

• 
  【Python】アプリ開発の練習方法｜初心者向け
• 
  【Python】ファイルがあるのに「no such file or directory」エラーになる原因
• 
  Pythonで何ができる？趣味にも活用する方法などを解説
• 
  【Excel】半角を全角、全角を半角に変換する方法

ITやプログラミングに関するニュース

• 
  Google「Gemini 2.0 Flash」で画像生成と編集機能を追加！AIで画像編集がさらに自由に
• 
  汎用AIエージェント「Manus」登場！あなたの代わりに成果を出す新世代AIエージェント
• 
  Appleが新型iPad AirとMagic Keyboardを発表
• 
  AnthropicがClaude 3.7 Sonnetを発表！初のハイブリッド推論AIと拡張思考モードを搭載
• 
  AppleがiPhone 16e発表！A18チップとApple Intelligence搭載