本文抽取会计日常中，重复工作为小项目，由 AI 给出实现小项目自动化的 Python 代码，再用双链笔记 Obsidian 形成个人知识库，形成”学、记、练“的完整学习闭环。改变了自学编程”只看不练“的无效学习方法。也不是传统的“由易到难”的教学方式，而是直接上手工作中用得到的小项目，练一个用一个。这样的学习方式，有正向反馈，有价值感，容易保持学习的动力。

一、前言

现状是残酷的

会计人和财务部，天然是企业的数据中心。由于历史原因，会计及财务部门，普遍的工作模式还是收集原始单据、制作凭证，出具税局要求的三张表，期间用到EXCEL的还是基本功能。涉及到数据清洗、数据匹配等稍高阶一些的技能，完全不会，还得纯手工操作。虽然自嘲是“表哥表妹”，却并不合格。

根据公开资料显示：

德勤报告：财务领域60%的基础工作已具备自动化潜力。

国际会计师联合会：2020-2024年全球基础会计岗位减少18%，且72%的岗位流失源于自动化工具。

中国会计视野网调查：仅31%的会计学习过数据可视化工具，28%能独立搭建财务模型。

某二线城市会计岗位简历投递量，同比增长45%，录用率却降至8.7%。同时行业呈现马太效应：头部企业争抢复合型人才，中小企业用智能软件替代全职岗位。

在 AI 时代，会计有被 AI 替代的焦虑，老板有财税合规的焦虑（国家也是用 AI 来”以数治税“）。老板需要更多的数据支持，以应对这个需要精细化运营管理的时代，因为，野蛮生长的时代已经过去。但会计们还在加班加点的处理凭证，满足于按时出具三张表，能在时间节点之前完成老板临时需要的数据就阿弥陀佛了！这种需求——价值的不匹配，很难不让老板们将财务部门定义为成本中心而不是利润中心！

会计们怎么办？路径很多！而本文，聚焦在帮助会计提升数据处理的效率（注意， 是聚焦数据处理而不是数据分析）。省出的时间，让自己多去关注数据背后的故事，将会计的职能从事后核算提前到事前预测、决策，事中的控制上面去，发挥出会计的价值，将财务部门从成本中心转变成利润中心。

认真对待EXCEL

并不是说我们要学更高级的技能去替代 EXCEL，EXCEL 在全球范围内，仍然是数据处理、数据分析的第一工具！但我们 70% 以上的会计人员，并不知道 EXCEL 能应用到什么程度。会计人，请务必关注它、学好它！由于 EXCEL 不是本文的重点，这里给会计人提供一个视角，就是学习它的函数！在 AI 中提问，请它给你列出会计人必学必会的 EXCEL 函数，然后，利用自己的工作数据，学习它们，练会它们！到这一步，你会发现，你的工作技能已经脱胎换骨了！

为什么定位于学习 Python

  1. Python 是目前主流编程语言之一，网上资源多，各种教程多。

  2. Python 是数据处理、数据分析、数据可视化、数据自动化的必备编程语言。它有丰富的“库”，必免我们重复造“轮子”，节省我们大量的时间。

  3. 在数据提取、数据清洗、数据可视化等方面，还有一个微软的 Power BI 可胜任，但要想熟练使用它，还是得学习它的 DAX 函数体系，它的学习曲线仍然陡峭。

  4. 虽然 Python 的学习曲线也有一定的陡峭度，但学习它， 是学习一种编程思维，编程思维，会带给会计一种全新的工作视角和认知，能理解什么是****规范的数据准备、数据输入、数据清洗、数据处理和数据分析，会培养会计用** 数据驱动决策**的习惯，让会计从 “数据搬运工” 升级为 “财务分析决策者”。

会计学习 python 能干什么？

首先我们需要明确一点，完全撑握 Python 很难！不要被网上带偏觉得 Python 很简单。它是“万能胶水语言”，可应用的领域很多，反而说明它的知识点很广，非 IT 领域的会计，要想熟练应用它，没有3-4年的高强度投入，是不可能撑握它的。

但我们会计来编程，不是写出功能齐全、应用全面的 ERP，而是立足于高效解决重复性工作痛点、提升数据处理的深度和广度、杜绝人工失误带来的合规风险，从而节省时间将自己从 “执行层” 转向 “决策支持层”，以适应数字化转型的行业趋势。

所以，会计编程，只需编写“小脚本”即可。什么是脚本？ 它仍然是一段程序代码，但轻量且针对性强，写完后直接运行就能看到结果，重点是可重复使用。如，需要合并 EXCLE 里的多个 sheet 表，编个脚本 ，以后用到了，把 EXCEL 文件名和 sheet 表名更换一下，秒实现。

记住，如果有项工作，会计每个月需要重复操作 3 次以上，就值得为它写个脚本。当你的脚本积累得越来越多，才是真正的“会计越老越值钱”，而不是现在的会计超过35岁就面临工作难找的问题。

总结会计学 Python 能干什么：以 EXCEL 为主要数据来源，以重复工作自动化为目标，借助 AI 完成 Python 脚本的编写。

为什么从小项目开始学 Python

所有的 Python 课程、书籍，都是按步就班的从易到难展开。会计开始热情高昂的投入学习，不久就觉得，学习它，对我有什么用？没有正向价值的反馈，慢慢的吞没了学习的热情，最后学习 Python 也无疾而终了。

没有输出，学习就没有动力，而输出没有价值，却是学习的休止符！会计处于最坏的时代，也是最好的时代。AI 替代会计的基础岗位是现实，如果我们勇于突破，利用 AI 来辅助学习，从而成为 AI 的领导者，让 AI 成为你的数字员工，却是最好的时代。

因此，本文在会计常用的工作场景，提炼出一些最重复的工作，形成一个一个小项目，让 AI 写代码，我们跟着 AI 来学习，并立即投入练习，练习完一个脚本，这个脚本马上能用，能立刻得到正向反馈和价值感，从而保持学习的动力。

学习方法

以下方法，是我自己实践过并卓有成效的方法，照着做，不走弯路不踩坑。

  1. 首先：解决看不懂的英文单词：在电脑上下载一个电子词典，不懂的单词马上查并记录下来。这里有个窍门，把英标记下来，能读出它，这个单词就记住一半了。以我的经验，每个脚本新的单词量不会很大，多记录，到后期，基本上遇不到新单词了。

  2. 其次（重点）：找个有双链功能的笔记软件（推荐 Obsidian)，每个脚本建一个笔记1，里面涉及到的所有不懂的语法知识点，汇总并另建一个笔记2，然后又把每个新语法，单独建一个笔记3（有很多笔记3），当然，新的英语单词也单独建一个笔记4。最后，把所有涉及的笔记2-3，通过双链统一连接到脚本笔记1里。这样，你学过的内容，通过双链，形成了一张独属于你自己的知识网络，也就是个人知识库。以后你能方便的从应用——知识点来回穿梭，形成知识的复利。Obsidian 功能全面，我们刚开始不要去折腾它，能记笔记，能双链，就足够用了，把有限的个人能量聚焦到 Python 学习中去。

  3. 全程依赖 AI，多下载几个 AI ，如果一个 AI 给出的答案不理解，换一个。我常用的是 DeepSeek、kimi、豆包，内容之间相互印证，理解起来就容易多了。

  4. 从 AI 拷贝内容到 Obsidian，如果直接用 Ctrl+v，会出现格式错乱，用Crtl+Shift+v，能保证格式正确，表格、代码段都能原样还原。

  5. 将 AI 给出的代码，每一行（如有必要），用自己的理解翻译成中文，后面练习的时候，在每一行的中文下写代码。这一步，主要是学习用编程完成任务的思路，刚开始记不住没关系，勇敢的去看原代码，然后多练！记住，从学习编程思路去理解语法，才是我们需要撑握的学习编程的主要方法。

  6. 重中之重 ：多练习！多练习！多练习！我学习的第一个脚本，重复写了10遍，直到闭眼就能写出代码。极致的重复，就是天赋！

  7. Python 的知识点很多，出现在脚本中的语法，会有很多参数、应用方法，记住，只学习这个脚本用到的知识点，下次用到其他的知识点再学习。

  8. 本文， 是和你一起共建的。你可以把本文放到你的 Obsidian 里，并使之成为你学习 Python 的根笔记（以下都用根笔记称之），将上面所说的笔记1-4链接到本文。所以，本文不会细讲知识点，而是和你一起，探索使用 AI 学习编程的方法。所有的知识点，需要你自己去问 AI，并按你的理解形成自己的笔记。最重要的且最有价值的 ，记录你练习时犯的错误：缩进问题、全角半角问题、打没打小括号等。最后，一本新的、你自己写的、有“失败是成功之母”价值的 《会计从小项目开始学Python——练一个用一个》书籍诞生了！

二、安装 Python 环境

本文是基于 Windows 环境编写，其他操作系统，请自行问 AI。

Python 环境，往细了说是一个很复杂的过程，但基于我们的需求，只需要安装一个程序： Anaconda 。它是一套 “Python 数据科学全家桶”—— 它把 Python 解释器、海量数据科学库（比如财会常用的 pandas、可视化的 Matplotlib、数据分析的 Numpy等第三方库）、环境管理工具Conda、交互式编程工具 Jupyter Notebook等打包在一起，解决了新手装库、配环境的痛点。

当然，随着学习的推进，单独安装python、代码编辑器还是有必要的。

  1. Python 的版本优先选择稳定的版本，优先推荐3.9-3.11版。

  2. 代码编辑器，会计人用 vs code 比较好，但这里更推荐带 AI 功能的代码编辑器：Qoder。它集成了 AI，你让 AI 写一段代码，能自动形成代码文件，很方便，而且你向它提问，它可以基于你现在的代码，给出更有针对性的意见。

怎么安装它们，请问 AI，并记录下你安装时的问题、错误和解决办法，形成你自己的 Obsidian 笔记并与根笔记双链。

三、Python + Pandas 基础

  1. 变量：重点了解它的命名规则。

  2. 赋值：重点区别赋值和“==”相等符号的区别。

  3. 输入输出语句：print 和 input。

  4. 数据类型：整数，浮点数（小数），字符串、列表、字典、元组、集合、布尔型、空值（None)。会计常用的是整数、浮点数、字符串、列表、字典、布尔型。

  5. 切片：重点理解“左闭右开”。

  6. 索引：主键、复合主键。

  7. f 格式化字符串。

  8. r 原始字符串标识。

  9. if 条件判断语句。

  10. for 循环语句。

  11. while 循环语句。

  12. 方法。

  13. 属性。

  14. 自定义函数 def。

  15. 库，调用库的 import 语句。

  16. 模块。

  17. 注释。

  18. 缩进。

  19. 迭代及可迭代对象。

  20. Pandas：是 Python 中专门用来高效处理结构化数据（如 Excel 财务表格、银行流水、发票清单）的工具库，核心是通过 Series（单列数据）和 DataFrame（整张表格）两种数据结构，实现数据的读取、清洗、计算、筛选和导出，让财务数据处理从手动操作变成自动化流程。先了解 Series 和 DataFrame。

  21. Python 之禅。

以上内容，不需要马上理解，但先在 Obsidian 里建好笔记，并与根笔记做好双链，方便接下来的小脚本的学习。

四、数据的三范式（3NF)

什么是数据的范式：是关系型数据库 / 结构化数据（比如 Excel 表格）的数据组织规则 ，核心目标是：

  1. 消除数据冗余（比如客户名称不用在每张发票里都写一遍）；

  2. 避免数据更新异常（改客户名称只需改一处）；

  3. 保证数据一致性（财务数据核对不出现矛盾）。

三范式是逐级满足的：满足第二范式（2NF）必须先满足第一范式（1NF），满足第三范式（3NF）必须先满足第二范式（2NF）。

基础知识：一张表格，坚向排列的叫列，横向排列的叫行，交叉部分叫单元格。每列的第一行叫列标题或字段值，每行的第一列叫索引（如果设置有）。

第一范式（1NF）：列不可再分，每格只有一个值且保证原子性。即：

  1. 同一列属性一致：如“部门”这一列，就不能填写关于“职务”的数据，

  2. 保证原子性：如“电话号码”这一列，某一格的数据不能写成”13912345678，010-61234567“，它们没有保证”原子性“，如果需要同时记录，则分成两列，一列是”手机号码“，一列是”固定电话“。

第二范式：消除部分依赖，必须有主键，非主键列完全依赖主键。

第三范式：消除传递依赖，非主键列不依赖其他非主键列。

后两种范式，请大家自行问询 AI。提示词可以是：EXCEL 数据三范式等。

大家使用 EXCEL 时，太喜欢用单元格跨列居中这个功能了，它是数据清洗最大工作量之一，所以，在数据建表之初遵守三范式，可节省后期很多时间。

在使用 EXCEL时，有一个小技巧，一张数据表，使用三张表来分工合作：第一张表存放源数据（调整成满足三范式），第二张表是工作表，在这张表应用函数、辅助列等方法，完成工作任务，第三张表是呈现表，这里可以使用跨列居中等各种格式，制作出符合需要、美观的报表。这三张表之间使用数据引用的方式来保证三张表的同步。

五、开始练习

（一）合并一个 EXCEL 文件中的多个 sheet 表

场景：有一家连锁公司，每个月从收银软件导出营业流水放在了一个EXCEL文件中（收银软件的功能），每个店的数据存放在单独的 sheet 表中。会计每个月都需要将所有门店的数据汇总在一张 sheet 表中，方便统计。

合并多个 sheet 表，在 EXCEL 的 Power Query 可以实现，WPS 也有相应的功能。这里用 Python 练习它，是用一个最容易理解的工作任务来入门。

提示词：我有一个 EXCEL 文件，里面有多张 sheet 表，存放着相同数据结构的不同数据内容 ，我需要将这些 sheet 表，纵向汇集在一张 sheet 表中 ，且新增一列，填写每行数据来源于哪张表，要提供源文件和绝对路径的输入、sheet 表名的输入、合并后文件名和绝对路径的输入。请将上述内容，用 Python 编写代码并实现它。

AI 给出的代码：

打开 jupyter notebook（安装好Anaconda会自动出现，需要在”开始“找到它）；

它会打开你的默认浏览器，第一页的页签叫”Home“；

在本页找到”Files"页签，这张页签的顶部靠右，有一个包含下拉箭头的按钮，名字叫“New”；

点开它，选第一项“Python 3 (ipykernel)”；

浏览器会打开第二张页签，名字是“Untitled1"，这就是编写代码的地方了。

将 AI 给出的代码复制到 jupyter notebook，起个名字保存它。

名字可以在：本页签（不是浏览器页签）菜单区域的上一行，”jupyter"的右侧，直接点击显示“Untitled1”的地方，输入你想要的文件名，如“EXCEL多sheet表合并工具“。然后在菜单栏“File”里，找到“Save Notebook”并点击它。

在代码块的上方，菜单区域，找到实心三角按钮：▶，这是运行程序的按钮，点击它；

在代码块的底部，会显示程序运行的结果，根据程序运行出来的提示，一步一步完成它；

打开完成后新生成的 EXCEL 文件，看看是不是达到了你的要求？

保存文件的快捷键：Ctrl+s，运行程序的快捷键：Shift+Enter，在运行程序之前，先保存文件，不然有些代码更新不会被执行。

以后，只要有同样的需求，找到“EXCEL多sheet表合并工具.py“，用 jupyter notebook 打开它，根据提示，输入你的源文件名、sheet表名、合并后的新文件名，1分钟就完成多 sheet 表的合并，比自己手动一张一张表在 EXCEL 内拷贝是不是节省了大量的时间？

下面，我们开始学习怎么向 AI 学习。

我们先将代码复制到 Obsidian，形成一个新的笔记，起名”合并EXCEL多sheet页脚本1“，（以下简称脚本1笔记）并与根笔记双链。

前面三行是调用库的语句，向 AI 提问：请向我讲解 Python 中 import 的详细用法。要关注 as 是干啥的，from……import……和直接 import 有什么区别。还可以向 AI 提问：作为一名会计，Python 中哪些库是我需要学习的。

我们在 Obsidian 中新建笔记，命名为”新语法汇总页1“（数字与对应的脚本笔记保持一致，以下简称语法1笔记），先保持空白，但记得与根笔记、脚本1笔记双链。这样做是为了后续练习的时候有一个统一查询的地方。

为 import 单独建一个新的 Obsidian 笔记，起名”python import"，将来所有涉及到 Python 语法的笔记名，都以“python"开头，方便笔记的整理、归集、搜索。

语法1笔记不是空着的吗，这时，可以去链接刚建好的 import 笔记。在这张笔记中，汇集了脚本1所有涉及的语法。

下面来到了自定义函数 def。向 AI 提问：请向我讲解 Python 中 def 的详细用法。

这里要注意，def 这一行要以半角冒号结尾。

Python 中所有的符号都是半角， 只有自己想显示、输出的字符串可以是全角。下面不再重复。

这里，出现了个英语单词，查词典：merge:/mɜːrdʒ/，合并。在 Obsidian 中新建笔记，命名为”新单词1“，同样，文件名中的数字与对应的脚本笔记同步。与根笔记、脚本1、语法1笔记建立双链。

到这一步，围绕脚本1的一套笔记群已建好。为什么不建一个笔记就行，因为内容过多，对查询不方便，而保持笔记的”原子性“，也方便笔记链接更多笔记，方便它的复用。

def 下面，有一段中文，是用三个双引号包裹，这是 Python 中写注释的方法，需要为“注释”这个知识点建立笔记。

print语句，请 AI 给出讲解后，单独形成笔记，同时做好双链。这里，建议与 f 格式化字符串一起学习，实现丰富的输出内容。

这里需要注意的是，只要是输出字符串内容，字符串需要一对引号包裹。

AI 给出了下面一段代码的主题： # 1. 输入源文件绝对路径，这里的知识点是 # 号是干什么用的。

从 while True: 到 break，这段代码用于接收源文件名和它所在的绝对路径，并对接收的内容进行去空格、将中文引号转换到英文引号等操作。

while 是条件循环，它这里直接给了一个布尔值：True(注意大小写)，意思是：当为真时，循环以下代码。这里有个问题，这样写，就不会有“假”的时候，那不是一直运行下面的代码？

将上面的疑问，分别向 AI 提问，并做好笔记。第一个提问：讲解 while 循环，第二个提问：什么场景使用一直为真的 while True: 。

source _input = 这一行，有以下几个知识点需要建立笔记：

  1. 新单词：source

  2. 变量 source input ，为什么两个单词之间要有个 ?

  3. input 语句。

  4. \n，是什么？

  5. 它写的路径，为什么用 \\ 表示，而不是像windwos中用一个 \ 表示？

  6. .strip()

将以上新知识点，逐个请教 AI ，并做好笔记、双链。

source_input = source_input.replace(’"’, ‘’)….这一行的新知识点：

  1. .replace()

  2. 为什么同名的变量，经过 .replace 操作后，又符值给回自己？

  3. 这一句代码，实现了什么目的？

  4. 新单词：replace，连同 place 一起记录、学习。（下面就不涉及新单词，因为每个人的英文水平不一致，这里只是介绍一种学习方法。）

tyr: …… except: ，是干什么的？为什么在这里用它，什么场景需要用到它。

source_file = Path(source_input).resolve()

  1. 这是新建了一个变量，叫 source_file，为什么？

  2. Path().resolve，注意 Path 的 P 不能小写。

在 except: 代码块里，有一个 continue 需要学习。

source_file = str(source_file)

  1. str

  2. 这一句的目的？

break：这要重点理解，它的作用是什么？在代码的什么地方写合适，它的缩进要求？

\# 2. 输入需要合并的sheet名，这一段代码块，是用于接收输入的sheet表名，并做相应的规范。

sheet_names = []，这里将一个空列表赋值给新建的变量，为什么使用列表，不使用字典、元组、集合等数据类型？

for 循环这一行：

  1. name 是什么？它的作用是啥？

  2. .split()，为什么用它，不用它行不行？

  3. in sheet_input，为什么使用 sheet_input，使用它时，它是什么数据类型？

  4. 完整理解这一句 for 循环，它为什么能循环？循环时做了哪些动作？它在本段代码中起到什么作用？什么场景可以用到它？

clean_name = name.strip()，结合上一段内容来理解这句代码。

if 语句块：

  1. 用到 and 逻辑运算、not in 成员判断等工具。理解它们的运行逻辑。

  2. if clean_name 是什么意思？一般 if 都配套使用逻辑判断语句，它这里只写一个变量，是什么意思？有什么作用？

  3. .append()

  4. 注意 if 语句块中缩进的规范使用。

学习到这里，我们还需要解决几个问题：

像 .append() 这种用法，什么时候使用小数点 . ，什么时候使用小括号（），小括号中是放参数的，为什么有时候是空的？

\# 3. 接收输出文件绝对路径，这段代码，是设置合并后新文件名及存放路径的。

\# 4. 核心合并逻辑，实现 sheet 表的纵向合并。

sheet_dict = pd.read_excel(source_file, sheet_name=sheet_names)

  1. 为什么变量名里就带dict（字典）？

  2. pd.read_excel()：pd 是什么？读进来的数据是什么数据类型？

  3. 小括号里的两个参数起什么作用？

  4. 在学习 def 的时候，深刻理解了参数这个知识点没？

df_list = []，这又是建一个空列表，结合下面的代码，理解它有什么用？

for SheetName, df in sheet_dict.items():

  1. 这个 for 循环的循环变量（也叫迭代变量），有两个？那从 sheet_dict 中取出的数据，怎么放到两个循环变量里？这一步，要复习字典的内容。

  2. .items()。这里要特别关注，使用这个函数，区分了什么数据类型的数据？

  3. 在这一步，应该得到你之前学习 for 循环时建立的笔记的帮助。

  4. df[‘表名’]

if df_list: 这里的用法，与上面的 if clean_name 是一样的。

big_df = pd.concat(df_list, ignore_index=True)

这一句代码，就是实现表格纵向合并的关键。

  1. pd.concat()，以及里面的参数。

  2. big_df.to_excel()：输出为 EXCEL 文件，要注意小括号中两个参数的用法，它使用了什么变量，这个变量是在哪一步生成的，生成了什么内容。

后面是一些打印语句，重点复习 f 格式化字符串的用法，还需理解：

  1. 用 else：的用意？

  2. try: …… except Exception as e: 的使用目的。

if name == “main”:

这一句代码需要重点理解，学会了这一句，去看别人的程序，就好理解了。学习编程，看别人成熟的代码，是加快学习进度的一个好办法。

merge_excel_sheets()，调用上面自定义函数，这里需要提个问题，函数通过形参、实参来传递数据，这里怎么只有一个小括号，里面没有任何函数？

后面的语句，应该看得懂了。

第一个脚本，我们学习起来会很慢，但这是“磨刀不误砍柴工”！在理解了代码的基础上，需要自己输入代码进行练习，每一次练习以脚本能正确运行出结果为标志。

重复这个练习10遍，不断利用你建好的双链笔记群来获得帮助，直到你不看源代码就能写出完整代码为练习成功标志！

（二）合并同一文件夹里具有相同格式的多个EXCEL文件

场景：这个场景更常用，大多信息管理软件导出的数据是按月存放的，合并它们也是一个极大的工作量。

提示词：我有一个文件夹，里面存放着多个 EXCEL 文件，它们具有相同的格式，我需要在一个新的 EXCEL 文件中，纵向合并它们。

按这个提示词，AI 可能不会一次给出满足要求的代码，需要我们反复去调整提示词。

AI 给出的代码：

我写的内容到此结束了。

本文是大家共建的，请根据自己的工作内容，提取出需要建立脚本的任务，按上述方法，一个一个的学习，建设好双链笔记群，利用双链笔记群，反复练习，直到不看源代码就可以自己写出完整代码并成功运行。

请大家将自己写的脚本共享出来，造福于更多的打工人，善莫大焉！

如果大家能将脚本发给我，我收集起来，数量足够多了，我统一发布出来，让大家能在一个地方查询、学习、交流，善莫大焉！

行动起来，让我们会计人用 AI 去应对 AI 的时代！