Python+Pandas打造Excel数据API

用Python + Pandas 把 Excel 变成一个 API，面试官都看傻了那种。你听着是不是有点懵：Excel 不就表格吗，怎么就成 API 了？

别急，我一开始也觉得有点玄，但我研究了下这事还真不复杂，而且特别实用，特别适合那种“公司天天让你给人导表、合表、拆表”的苦力活，直接一键搞定，还能挂个 Flask 跑个接口，客户说“我想查下某个SKU的数据”，你就让他直接调接口，谁还不想当点小老板？

那我们就开整！

首先你得明白这个需求到底在干嘛——把原本的 Excel 静态表格变成一个“有请求就有响应”的数据接口。比方说你有个销售数据表，别人给你一个产品ID，系统自动把该产品的所有销售数据扒出来，返回给用户，甚至还能做聚合分析、趋势图什么的，这不比一个个手动找、截图强太多了？

想实现这个其实主要靠两个工具：

1）Pandas：咱都熟，数据操作的扛把子 2）Flask：轻量级Web框架，用来把你写好的Python函数挂成Web API

就这两个，足够了！

下面我一步步来搞——

第一步，读 Excel，别整复杂的：

import pandas as pd

df = pd.read_excel("sales_data.xlsx")  # 支持xlsx、xls都行
print(df.head())  # 先看前五行

老规矩，先看看数据格式再动手，别一来就乱搞。

假设你的表长这样：

第二步，来个函数，给我传个产品ID，我就把这货的数据都挑出来：

defget_sales_by_product(product_id):
    result = df[df['ProductID'] == product_id]
return result.to_dict(orient='records')

是不是很简单？Pandas 的筛选功能太强了，一行代码就把事干完。

第三步，上 Flask，挂接口：

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/api/sales', methods=['GET'])
defsales_api():
    product_id = int(request.args.get('product_id'))
    result = get_sales_by_product(product_id)
return jsonify(result)

if __name__ == '__main__':
    app.run(debug=True)

这段代码啥意思？简单说——你访问 /api/sales?product_id=1001，它就返回这个产品的所有数据，结构是 JSON 格式。前端随便用 axios、fetch、curl 来调，分分钟搞定一个后台接口！

我试了下，这种小项目跑起来延时基本在100ms以内，本地测试飞快，部署到线上接个nginx加个gunicorn都行，简单部署。

那你可能会问：“那 Excel 要是更新了呢？接口还靠谱吗？”

有两种方式：

1）每次接口请求前重新加载 Excel（适合不大文件） 2）配个定时任务，每5分钟自动 reload 一次 Excel（用 APScheduler 或者直接用线程 Timer）

举个例子，定时 reload：

import threading

defreload_excel():
global df
    df = pd.read_excel("sales_data.xlsx")
    threading.Timer(300, reload_excel).start()  # 每300秒一次

reload_excel()

这样你接口返回的就是5分钟内最新的数据，也能接受吧？关键是比你天天打开Excel点复制、粘贴、筛选省心多了！

还有人问：“能不能多张表组合？”

可以的！我在项目中经常遇到那种销售数据一张表、产品信息一张表，然后要综合起来返回。你只要用 merge() 就搞定了：

product_df = pd.read_excel("products.xlsx")
sales_df = pd.read_excel("sales.xlsx")

merged_df = pd.merge(sales_df, product_df, on='ProductID', how='left')

这玩意用一次就回不去了，表格直接变数据库了有没有！

对了，有个坑我要说一下：

Excel 中文字段名容易出问题，特别是非 UTF-8 编码的 Excel 表，有些系统导出来默认是 GBK，pandas 会直接报错，处理方法如下：

df = pd.read_excel("sales.xlsx", encoding='utf-8')  # 不行就试 encoding='gbk'

但实际上 read_excel 是自动推测编码的，出问题你可以先用 openpyxl 手动读读看看是不是有奇怪字符。

另一个坑：有些 Excel 文件有隐藏行、合并单元格，读取时可能结构不稳定，建议统一格式或者转成 CSV 处理。

说到 CSV，有个冷知识：在 API 服务中，CSV 的解析速度往往比 Excel 快一倍以上，尤其是你用 Flask 做服务时，响应时间会非常敏感。我之前测了下同一份 10w 行的数据：

• Excel 读取耗时 1.6s
• CSV 读取只要 0.5s

这就很明显了。

那回到主题，Excel + Pandas + Flask = 平民 API 套件，你用得好，这一套就能搞定 80% 的业务数据查询需求！

如果你想稍微进阶点，也可以加点功能：

1）接口分页（防止数据太多一次卡爆前端） 2）加入日期过滤（按时间段查数据） 3）聚合统计（比如这个产品月销量是多少）

代码简单：

df['Date'] = pd.to_datetime(df['Date'])
df_monthly = df.groupby(pd.Grouper(key='Date', freq='M')).sum()

是不是一点都不难？