Todo começo de mês, o mesmo ritual: abrir cinco planilhas, copiar colunas, colar numa tabela principal, ajustar formato e somar. Se você faz isso toda semana, é um bom candidato à automação. Com Python, o processo vira um script que você roda quando precisar.
Este guia usa exemplos simples para mostrar a lógica. Se você ainda não instalou o Python, veja antes Python para iniciantes: seus primeiros passos.
O que você precisa instalar
Além do Python, você usa duas bibliotecas:
- pandas: trabalha com tabelas de dados (chamadas de DataFrame). É a ferramenta principal para ler, filtrar e somar.
- openpyxl: o pandas usa essa biblioteca por baixo para ler e escrever arquivos .xlsx. Também serve para mexer em formatação e células.
A instalação é feita no terminal com o comando pip install pandas openpyxl. O ideal é fazer isso dentro de um ambiente virtual, para não bagunçar outros projetos (veja ambiente virtual no Python: venv e pip).
Passo 1: ler a planilha
Imagine um arquivo chamado vendas.xlsx com as colunas Data, Produto, Quantidade e Valor. Em Python, a leitura usa a função read_excel do pandas: você importa a biblioteca, indica o nome do arquivo e guarda o resultado numa variável, por exemplo tabela. Para conferir se leu direito, mostre as primeiras linhas com tabela.head().
Se o arquivo tem várias abas, é possível escolher qual ler com o parâmetro sheet_name, ou ler todas e depois juntá-las. Caso o arquivo seja CSV, a função equivalente é read_csv.
Passo 2: limpar e filtrar os dados
Planilhas reais vêm com sujeira: células vazias, espaços sobrando, números guardados como texto. O pandas ajuda com tarefas comuns:
- remover linhas vazias com dropna;
- remover linhas duplicadas com drop_duplicates;
- converter uma coluna para número com to_numeric;
- filtrar linhas, por exemplo, só as vendas de um produto ou de um mês.
O filtro funciona escrevendo uma condição sobre a coluna. Algo como “tabela onde a coluna Produto é igual a Caneca” devolve apenas essas linhas. É parecido com o que você faria com filtros no Excel, só que repetível.
Passo 3: somar, agrupar e calcular
O ponto forte do pandas é agrupar. Com groupby, você diz qual coluna usar como categoria (Produto) e qual operação fazer (soma de Valor). O resultado é uma tabela com o total por produto, o equivalente à tabela dinâmica do Excel (veja a versão manual em tabela dinâmica no Excel).
Outros cálculos úteis:
- Total geral: soma de uma coluna inteira.
- Média: valor médio por venda.
- Contagem: quantas vendas por dia ou por vendedor.
- Nova coluna calculada: por exemplo, multiplicar Quantidade por Preço para obter o total de cada linha.
Passo 4: juntar várias planilhas
Esse é o caso em que a automação mais compensa. Se você recebe um arquivo por mês ou por loja, o roteiro é:
- listar os arquivos da pasta (com o módulo pathlib ou glob);
- ler cada um com read_excel;
- juntar tudo com concat;
- agrupar e somar o conjunto.
Depois de escrito uma vez, o script processa 3 arquivos ou 30 do mesmo jeito. Só confira se todos têm as mesmas colunas, porque nomes diferentes (por exemplo “Valor” e “Valor Total”) geram colunas separadas.
Passo 5: salvar o resultado
A tabela final é salva com to_excel, informando o nome do novo arquivo. Use o parâmetro index=False para não gravar a coluna de numeração do pandas. Para colocar várias tabelas em abas diferentes do mesmo arquivo, use ExcelWriter.
Se você quiser formatar (negrito no cabeçalho, largura de coluna, cor), é aí que entra o openpyxl, que abre o arquivo salvo e altera as células. Para relatórios simples, muitas vezes basta o resultado em dados limpos.
Cuidados importantes
- Trabalhe sempre numa cópia. Nunca rode o script direto sobre a única versão da planilha. Salve o resultado em um arquivo novo.
- Fórmulas: o pandas lê os valores já calculados, não as fórmulas. Ao salvar com to_excel, as fórmulas não são preservadas.
- Planilhas protegidas ou com senha exigem cuidados extras e podem não abrir.
- Dados pessoais: se a planilha tem nomes, CPF ou e-mails de clientes, guarde o script e os arquivos em lugar seguro. Veja LGPD para pequenas empresas.
- Teste com poucas linhas antes de rodar em tudo e confira os totais contra a soma feita no Excel.
Quando vale e quando não vale automatizar
Nem toda planilha precisa de Python. Uma boa conta é comparar o tempo gasto com o tempo para escrever o script. Se a tarefa leva dez minutos por mês, talvez não compense. Se leva uma hora toda semana, o investimento se paga em poucas semanas.
Sinais de que vale automatizar:
- o processo é sempre o mesmo, com as mesmas colunas;
- os erros de copiar e colar já causaram problemas;
- o volume cresce, com mais arquivos ou mais linhas;
- outras pessoas precisam gerar o mesmo relatório.
Sinais de que é melhor manter à mão: o formato muda a cada vez, a tarefa depende de julgamento humano em cada linha ou a planilha é usada uma única vez. Nesses casos, fórmulas e tabelas dinâmicas resolvem melhor.
Por onde começar
Escolha uma tarefa de planilha que você repete e escreva no papel os passos manuais. Cada passo vira uma linha de código. Se travar, uma IA pode ajudar a rascunhar o script, desde que você revise e teste com dados falsos (confira como revisar código gerado por IA). Quando funcionar, o próximo passo é fazê-lo rodar sozinho em horário marcado, o que é tema de agendar tarefas no computador.