Python 業務自動化 | Excel業務自動化：Excel基本操作－ Excel売上集計

Python

2026.07.01

Excel売上集計は「バラバラな売上データを一瞬でまとめて、分析・レポートに使える形にする」ための最強スキル
売上集計の基本テンプレート（まずはこれを押さえる）
1. 売上データの前提（よくある列構成）
2. Excelを読み込んで売上を計算する基本コード
商品別売上集計（最もよく使う軸）
1. 商品別に売上を集計するコード
2. ここを深掘りする：groupby の意味
月別売上集計（経営レポート・KPIで必須の軸）
1. 日付から「月」を取り出して集計するコード
2. ここを深掘りする：dt.to_period(“M”) の意味
商品×月の二軸売上集計（ピボットテーブル的な集計）
1. 商品×月で売上を集計するコード
2. ここを深掘りする：pivot_table のイメージ
店舗別・担当者別売上集計（現場でよく求められる軸）
1. 店舗別売上集計のコード
2. 担当者別売上集計のコード
集計結果を「見やすいExcel」に整形する
1. 集計結果を複数シートにまとめて出力するコード
集計＋グラフまで自動化する（レポートとして完成させる）
1. 月別売上の折れ線グラフを自動生成する例
売上集計を設計するときに、絶対に意識してほしいポイント
1. 軸を先に決める
2. 列名と型をきれいにしてから集計する

Excel売上集計は「バラバラな売上データを一瞬でまとめて、分析・レポートに使える形にする」ための最強スキル

あなたがやりたいことは、まさに「現場の数字を意思決定に使える形に変える」ことです。その入口が 売上集計の自動化 です。

Python＋Excelを組み合わせると、日次・月次・商品別・店舗別・担当者別の売上を、人が手で集計する前に、すでに「まとまった状態」で用意できます。

ここでは、初心者でもそのまま真似できる形で、売上集計の基本〜応用までをテンプレート形式で解説します。

売上集計の基本テンプレート（まずはこれを押さえる）

売上データの前提（よくある列構成）

次のようなExcelを想定します。

日付
商品
数量
単価
売上

売上列がない場合は、Python側で 数量 × 単価 から計算してもOKです。

Excelを読み込んで売上を計算する基本コード

import pandas as pd

df = pd.read_excel("sales.xlsx")

df["売上"] = df["数量"] * df["単価"]

df.to_excel("sales_with_amount.xlsx", index=False)

import pandas as pd

df = pd.read_excel("sales.xlsx")

df["売上"] = df["数量"] * df["単価"]

df.to_excel("sales_with_amount.xlsx", index=False)

Python

ここでやっていることはシンプルですが、「売上列を毎回Excelで計算している」現場なら、これだけでかなり楽になります。

商品別売上集計（最もよく使う軸）

商品別に売上を集計するコード

import pandas as pd

df = pd.read_excel("sales.xlsx")

df["売上"] = df["数量"] * df["単価"]

summary_product = df.groupby("商品")["売上"].sum()

summary_product.to_excel("summary_product.xlsx")

import pandas as pd

df = pd.read_excel("sales.xlsx")

df["売上"] = df["数量"] * df["単価"]

summary_product = df.groupby("商品")["売上"].sum()

summary_product.to_excel("summary_product.xlsx")

Python

ここを深掘りする：groupby の意味

groupby("商品") は「同じ商品名の行をひとまとめにして、そのグループごとに計算する」という意味です。

そのあとに ["売上"].sum() と書くことで、「商品ごとに売上を合計する」処理になります。

この形を覚えると、商品別、店舗別、担当者別、エリア別など、ほぼすべての「○○別集計」が同じパターンで書けるようになります。

月別売上集計（経営レポート・KPIで必須の軸）

日付から「月」を取り出して集計するコード

import pandas as pd

df = pd.read_excel("sales.xlsx")

df["日付"] = pd.to_datetime(df["日付"])
df["月"] = df["日付"].dt.to_period("M")

df["売上"] = df["数量"] * df["単価"]

summary_month = df.groupby("月")["売上"].sum()

summary_month.to_excel("summary_month.xlsx")

import pandas as pd

df = pd.read_excel("sales.xlsx")

df["日付"] = pd.to_datetime(df["日付"])
df["月"] = df["日付"].dt.to_period("M")

df["売上"] = df["数量"] * df["単価"]

summary_month = df.groupby("月")["売上"].sum()

summary_month.to_excel("summary_month.xlsx")

Python

ここを深掘りする：dt.to_period(“M”) の意味

df["日付"].dt.to_period("M") は「2026-06-01」「2026-06-15」などの日付を「2026-06」という“月単位の期間”に変換しています。

これを使うと、日付がバラバラでも「同じ月のデータ」をひとまとめにできるので、月次売上集計が非常に簡単になります。

商品×月の二軸売上集計（ピボットテーブル的な集計）

商品×月で売上を集計するコード

import pandas as pd

df = pd.read_excel("sales.xlsx")

df["日付"] = pd.to_datetime(df["日付"])
df["月"] = df["日付"].dt.to_period("M")
df["売上"] = df["数量"] * df["単価"]

pivot = pd.pivot_table(
    df,
    index="商品",
    columns="月",
    values="売上",
    aggfunc="sum",
    fill_value=0
)

pivot.to_excel("summary_product_month.xlsx")

import pandas as pd

df = pd.read_excel("sales.xlsx")

df["日付"] = pd.to_datetime(df["日付"])
df["月"] = df["日付"].dt.to_period("M")
df["売上"] = df["数量"] * df["単価"]

pivot = pd.pivot_table(
    df,
    index="商品",
    columns="月",
    values="売上",
    aggfunc="sum",
    fill_value=0
)

pivot.to_excel("summary_product_month.xlsx")

Python

ここを深掘りする：pivot_table のイメージ

pivot_table は、Excelのピボットテーブルとほぼ同じイメージです。

行方向（index）に「商品」
列方向（columns）に「月」
中身（values）に「売上」

という形で、「商品×月」の売上表を一発で作ってくれます。

この形は、「どの商品がどの月に強いか」「季節性があるか」などを分析するときに非常に強力です。

店舗別・担当者別売上集計（現場でよく求められる軸）

店舗別売上集計のコード

summary_store = df.groupby("店舗")["売上"].sum()
summary_store.to_excel("summary_store.xlsx")

summary_store = df.groupby("店舗")["売上"].sum()
summary_store.to_excel("summary_store.xlsx")

Python

担当者別売上集計のコード

summary_staff = df.groupby("担当者")["売上"].sum()
summary_staff.to_excel("summary_staff.xlsx")

summary_staff = df.groupby("担当者")["売上"].sum()
summary_staff.to_excel("summary_staff.xlsx")

Python

ここでも使っているのは、「groupby して sum する」という、さっきの基本パターンとまったく同じです。

軸だけ変えれば、どんな切り口でも売上集計ができるようになります。

集計結果を「見やすいExcel」に整形する

集計結果を複数シートにまとめて出力するコード

with pd.ExcelWriter("sales_report.xlsx") as writer:
    summary_product.to_excel(writer, sheet_name="商品別売上")
    summary_month.to_excel(writer, sheet_name="月別売上")
    summary_store.to_excel(writer, sheet_name="店舗別売上")

with pd.ExcelWriter("sales_report.xlsx") as writer:
    summary_product.to_excel(writer, sheet_name="商品別売上")
    summary_month.to_excel(writer, sheet_name="月別売上")
    summary_store.to_excel(writer, sheet_name="店舗別売上")

Python

このようにすると、 1つのExcelファイルの中に

商品別売上
月別売上
店舗別売上

がそれぞれ別シートとしてまとまります。

レポートとして提出するときや、社内共有用の「売上レポートブック」を作るときに非常に便利です。

集計＋グラフまで自動化する（レポートとして完成させる）

月別売上の折れ線グラフを自動生成する例

from openpyxl import load_workbook
from openpyxl.chart import LineChart, Reference

summary_month.to_excel("summary_month.xlsx")

wb = load_workbook("summary_month.xlsx")
ws = wb.active

chart = LineChart()
chart.title = "月別売上推移"

values = Reference(ws, min_col=2, min_row=2, max_row=1 + len(summary_month))
labels = Reference(ws, min_col=1, min_row=2, max_row=1 + len(summary_month))

chart.add_data(values, titles_from_data=False)
chart.set_categories(labels)

ws.add_chart(chart, "E2")

wb.save("summary_month_chart.xlsx")

from openpyxl import load_workbook
from openpyxl.chart import LineChart, Reference

summary_month.to_excel("summary_month.xlsx")

wb = load_workbook("summary_month.xlsx")
ws = wb.active

chart = LineChart()
chart.title = "月別売上推移"

values = Reference(ws, min_col=2, min_row=2, max_row=1 + len(summary_month))
labels = Reference(ws, min_col=1, min_row=2, max_row=1 + len(summary_month))

chart.add_data(values, titles_from_data=False)
chart.set_categories(labels)

ws.add_chart(chart, "E2")

wb.save("summary_month_chart.xlsx")