AI表格数据处理怎么用Excel

Excel 本身不会自己「调 AI」，能落地的做法只有两种：一是用 Excel 内置能力（Copilot、Office 脚本、Power Query）在表格里就地处理，二是把单元格内容读成文件、交给模型接口、再把结果写回新列。判断标准很简单：只跑一次、行数在几百行以内，先用内置能力；要反复跑、结果要能复现、要留痕核对，就走脚本这条路。下面按排查顺序写，先确认前提，再跑最短路径，最后给一个能照抄的场景和三处最常见的卡点。

Excel 里的 AI 处理，本质是「读单元格 → 交给模型 → 写回新列」，Excel 只负责前后两头。行数少且一次性的，用 Microsoft 365 里的 Copilot 或 Office 脚本更省事；要批量、要复现，用 pandas 读 xlsx、用 HTTP 调模型、结果另存新文件。无论走哪条路，都先另存副本再动手，用脚本写回会丢掉格式、公式和数据验证。模型名、额度、限速以你所用服务商控制台里显示为准。

AI表格数据处理之前先确认这三件事

这三件事任意一件没确认，后面都会卡在一个看起来像「AI 不好用」的地方，实际上是环境问题。

版本：在 Excel 里点「文件 → 账户 → 产品信息」，看产品名是不是 Microsoft 365 订阅版。Copilot、Office 脚本这类入口通常只在订阅版或网页版出现，买断版（如 Excel 2021）多数情况下看不到。走脚本路线的话，在终端执行 python -V 和 pip show pandas openpyxl，确认 Python 版本和这两个包都装在同一环境里。
权限：在「开始 → 敏感度」看文件是否被打了敏感度标签，带标签的文件读写可能被限制；再看文件属性里是否「只读」，以及文件是否放在 OneDrive 同步目录且正处于打开状态。接口侧看服务商控制台的「用量 / 额度」页，确认 Key 还有效、额度没耗尽，不要凭印象。
入口位置：Power Query 在「数据 → 获取数据」；Office 脚本在功能区「自动化」；Copilot 图标在「开始」选项卡右侧。图标是灰的或整块不存在，先回到上一条查版本和组织策略，不要在按钮上反复点。

AI表格数据处理：最短可用路径

以下五步做完就能拿到一列 AI 结果，每步只做一件事。

另存副本：把原表另存为 反馈.xlsx，与原文件分开。做完应看到目录下多了一个同名副本，原文件没被动过。
核对表头：确认工作簿里的 sheet 名和列名，脚本里要逐字对上（含空格和全角符号）。做完应能在 df.columns 里看到你写的那几个列名，拼错会直接 KeyError。
跑脚本：把下面的骨架存成 ai_fill.py，放在 xlsx 同目录，先在终端设置两个环境变量 AI_API_KEY、AI_BASE_URL，再执行 python ai_fill.py。接口路径、请求字段按你所用服务商的文档改，这里只是通用骨架。
看输出：终端应打印「写出反馈_已标注.xlsx N 行；未标注 0」。未标注数不为 0，说明有批次返回的格式没对上，先记下来别急着覆盖。
抽检：打开新文件，随机看十行左右，确认类别只在预设的几类里、摘要没有串行。

# ai_fill.py —— 与 反馈.xlsx 放在同一目录
import json, os, time, requests, pandas as pd

SRC, DST = "反馈.xlsx", "反馈_已标注.xlsx"
SHEET, COL = "反馈", "反馈内容"
BASE_URL = os.environ["AI_BASE_URL"]   # 换成服务商文档里的完整路径
API_KEY = os.environ["AI_API_KEY"]
MODEL = os.environ.get("AI_MODEL", "填控制台里看到的模型名")
BATCH = 20

def ask(texts):
    prompt = (
        "对每条反馈判断类别，类别只能取：功能、价格、稳定性、其他。"
        "只输出 JSON 数组，不要解释、不要代码围栏。"
        "格式：[{\"i\":0,\"类别\":\"功能\",\"摘要\":\"不超过20字\"}]"
        f"\n输入：{json.dumps(texts, ensure_ascii=False)}"
    )
    body = {"model": MODEL, "temperature": 0,
            "messages": [{"role": "user", "content": prompt}]}
    r = requests.post(BASE_URL, json=body, timeout=60,
                      headers={"Authorization": f"Bearer {API_KEY}",
                               "Content-Type": "application/json"})
    r.raise_for_status()
    return json.loads(r.json()["choices"][0]["message"]["content"])

df = pd.read_excel(SRC, sheet_name=SHEET)
texts = df[COL].fillna("").astype(str).tolist()
res = {}
for s in range(0, len(texts), BATCH):
    for item in ask(texts[s:s + BATCH]):
        res[s + item["i"]] = item
    time.sleep(1)

df["AI分类"] = [res.get(i, {}).get("类别", "") for i in range(len(df))]
df["AI摘要"] = [res.get(i, {}).get("摘要", "") for i in range(len(df))]
df.to_excel(DST, index=False)
print("写出", DST, len(df), "行；未标注", sum(1 for i in range(len(df)) if i not in res))

AI表格数据处理：一个真实场景的完整做法

场景：一张 1200 行的客户反馈表，对象是纯文本单元格，目标是给每行打一个类别标签并生成一句不超过 20 字的摘要，标签限定在四类以内，方便后面在 Excel 里做数据透视。

具体取值与位置：数据在 反馈.xlsx 的 反馈 工作表，待处理列名 反馈内容；类别集合写在脚本的 prompt 里，改类别就改这一行；BATCH 取 20，行少可调小，返回格式错得多就调小；temperature 取 0，尽量让同类文本得到同样的标签；timeout 取 60 秒，长文本多时不易超时；批间 sleep(1) 是给接口留余量，具体能跑多快以服务商文档的限速说明为准。

执行顺序：先另存副本 → 用 pd.read_excel 读一次，只打印 df.head(3) 核对列名和内容有没有被当成 NaN → 先只跑一个批次（把循环上限改成 20 行）看返回值 → 确认格式没问题再跑全量 → 抽检十行 → 需要合并回原表时，用 XLOOKUP 或 VLOOKUP 按唯一行号匹配，不要手工复制粘贴。

这里最容易踩的坑：to_excel 写出的是「数据」，不是「你的原表」。合并单元格、公式、条件格式、数据验证、列宽这些都不会跟着走。所以永远写到一个新文件，再决定怎么把新列并回母表；反过来，如果原表有合并单元格，read_excel 读出来的表头可能是空的，先取消合并再读。

AI表格数据处理：跑不通先查这三处

按出现频率排，下面三个报错覆盖了大部分「跑不动」的情况。

模块找不到：报错原文 ModuleNotFoundError: No module named 'openpyxl'，或者装了 pandas 却提示缺 openpyxl。检查位置：在同一个终端执行 pip -V 和 python -V，看两条路径是不是同一环境；如果你用过虚拟环境或 conda，多半是装到了另一个 Python 里。先激活对应环境再 pip install openpyxl。
模型返回解析失败：报错原文 json.decoder.JSONDecodeError，或者内容里带着三反引号围栏。检查位置：打印原始返回内容看前 200 个字符。多数是 prompt 没写死「只输出 JSON」，或者批次里混入了超长文本把输出截断。把批次调小、把「不要代码围栏」写进 prompt、必要时用正则截取第一个 [ 到最后一个 ]。
写文件失败：报错原文 PermissionError: [Errno 13] Permission denied，或 openpyxl.utils.exceptions.IllegalCharacterError。检查位置：前者看目标文件是不是正在 Excel 里打开、目录是不是网盘同步中，关掉文件重跑；后者是单元格里混进了控制字符（常见于从网页复制的文本），写回前用 str.replace 清一遍不可见字符。

顺带一句：如果前面每一步都没报错，但结果整列都是空的，先去看未标注计数和 res 的键是不是从 0 开始连续——索引对不上时脚本不报错，只是安静地写空值。