Python 業務自動化 | Excel業務自動化：Excel基本操作 － Excel読み込み

Excel読み込みは「ExcelデータをPythonで扱える形に変換する」ための最初の一歩

Excel業務自動化の入口は ExcelファイルをPythonで読み込むこと です。
読み込んでしまえば、あとは集計・加工・抽出・レポート生成など、ほぼ無限に自動化できます。

PythonでExcelを扱う方法はいくつかありますが、最も初心者に優しいのは pandas を使う方法です。
ここでは、基本から実務テンプレートまで、丁寧にかみ砕いて解説します。

pandasでExcelを読み込む基本（最も簡単で実務向け）

Excelを1行で読み込むテンプレート

import pandas as pd

df = pd.read_excel("data.xlsx")
print(df)

import pandas as pd

df = pd.read_excel("data.xlsx")
print(df)

深掘りポイント

• read_excel() はExcelを「表形式のデータ（DataFrame）」として読み込む
• DataFrameはExcelの表とほぼ同じ感覚で扱える
• print(df) で中身を確認できるため初心者でも安心

シート名を指定して読み込む（複数シート対応）

特定のシートだけ読み込みたい場合

df = pd.read_excel("data.xlsx", sheet_name="売上")
print(df)

df = pd.read_excel("data.xlsx", sheet_name="売上")
print(df)

深掘りポイント

• Excelには複数シートがあるため、業務ではシート指定が必須
• sheet_name に文字列を渡すだけでOK
• シート名が分からない場合は一覧取得も可能

シート一覧を取得する（どのシートがあるか確認）

Excelのシート名を全部確認する

import pandas as pd

xls = pd.ExcelFile("data.xlsx")
print(xls.sheet_names)

import pandas as pd

xls = pd.ExcelFile("data.xlsx")
print(xls.sheet_names)

深掘りポイント

• シート名が不明なExcelを扱うときに便利
• ExcelFile は読み込みを効率化する仕組み

複数シートをまとめて読み込む（辞書形式）

全シートを一括で読み込むテンプレート

dfs = pd.read_excel("data.xlsx", sheet_name=None)

for name, df in dfs.items():
    print("シート:", name)
    print(df.head())

dfs = pd.read_excel("data.xlsx", sheet_name=None)

for name, df in dfs.items():
    print("シート:", name)
    print(df.head())

深掘りポイント

• sheet_name=None で「全シート読み込み」
• 結果は {シート名: DataFrame} の辞書になる
• 複数シートを一括処理する業務で非常に便利

特定の列だけ読み込む（不要な列を除外）

必要な列だけ読み込むテンプレート

df = pd.read_excel("data.xlsx", usecols=["商品名", "数量", "金額"])
print(df)

df = pd.read_excel("data.xlsx", usecols=["商品名", "数量", "金額"])
print(df)

深掘りポイント

• Excelが巨大な場合、必要な列だけ読み込むと高速
• usecols は列名でも列番号でも指定可能
• データ加工の前処理としてよく使う

行をスキップして読み込む（ヘッダーが複数行の場合）

上から2行をスキップして読み込む

df = pd.read_excel("data.xlsx", skiprows=2)
print(df)

df = pd.read_excel("data.xlsx", skiprows=2)
print(df)

深掘りポイント

• Excelの上部に説明文がある場合に便利
• skiprows はリストで複数行指定も可能
• 実務では「ヘッダーが1行目ではないExcel」がよくある

ヘッダー行を指定して読み込む（表が途中から始まる場合）

3行目をヘッダーとして読み込む

df = pd.read_excel("data.xlsx", header=2)
print(df)

df = pd.read_excel("data.xlsx", header=2)
print(df)

深掘りポイント

• header=2 は「0始まり」なので3行目
• 表が途中から始まるExcelに対応できる
• データ整形の手間が大幅に減る

例題①：売上データを読み込んで合計を計算する

シナリオ

売上.xlsx の「売上」シートを読み込み、金額合計を出したい。

import pandas as pd

df = pd.read_excel("売上.xlsx", sheet_name="売上")
print("売上合計:", df["金額"].sum())

import pandas as pd

df = pd.read_excel("売上.xlsx", sheet_name="売上")
print("売上合計:", df["金額"].sum())

深掘りポイント

• 読み込んだ瞬間に集計できるのがPythonの強み
• ExcelでSUM関数を使うより圧倒的に高速

例題②：複数シートの売上をまとめて読み込む

シナリオ

各店舗の売上がシートごとに分かれているExcelを一括処理したい。

dfs = pd.read_excel("店舗売上.xlsx", sheet_name=None)

total = 0
for name, df in dfs.items():
    total += df["売上"].sum()

print("全店舗売上:", total)

dfs = pd.read_excel("店舗売上.xlsx", sheet_name=None)

total = 0
for name, df in dfs.items():
    total += df["売上"].sum()

print("全店舗売上:", total)

深掘りポイント

• シートごとに店舗が分かれているExcelは実務でよくある
• sheet_name=None で一括処理できるのが強力

例題③：最新のExcelファイルを自動検出して読み込む

シナリオ

ダウンロードフォルダにある最新のExcelを読み込みたい。

import os
import pandas as pd

folder = "downloads"
files = [os.path.join(folder, f) for f in os.listdir(folder) if f.endswith(".xlsx")]
latest = max(files, key=os.path.getmtime)

df = pd.read_excel(latest)
print(df.head())

import os
import pandas as pd

folder = "downloads"
files = [os.path.join(folder, f) for f in os.listdir(folder) if f.endswith(".xlsx")]
latest = max(files, key=os.path.getmtime)

df = pd.read_excel(latest)
print(df.head())

深掘りポイント

• 「最新ファイルを自動処理」は業務自動化で非常に重要
• 更新日時で判定するため確実

pathlib を使った読みやすいExcel読み込み

Pathオブジェクトで直感的に書ける

from pathlib import Path
import pandas as pd

path = Path("data.xlsx")
df = pd.read_excel(path)
print(df)

from pathlib import Path
import pandas as pd

path = Path("data.xlsx")
df = pd.read_excel(path)
print(df)

メリット

• パス結合が / で直感的
• Path は保守性が高く、業務コードに向いている

Excel読み込みを業務で設計するときの視点

• シート名の指定は必須（複数シートがあるため）
• 不要な列を読み込まないことで高速化できる
• ヘッダー行やスキップ行の調整で「汚いExcel」にも対応できる
• 最新ファイル検出と組み合わせると自動化が強力になる
• 読み込んだ後は集計・加工・レポート生成など自由自在