如何使用Python自动化运行Excel模型10万次并适配不同输入参数？

核心库推荐 #

• xlwings：需要本地安装Excel（Windows、macOS系统均支持），直接调用Excel原生计算引擎，100%兼容所有Excel内置公式、自定义VBA宏、复杂嵌套逻辑，完全还原手动修改参数后的计算结果，是复杂财务模型批量跑数的首选方案。
• openpyxl：纯Python实现的Excel处理库，无需本地安装Excel，跨全平台可用，读写xlsx格式文件性能更高，适合没有自定义宏、公式逻辑可被通用解析的简单财务模型场景。

实现指引（以xlwings为例，适配复杂财务模型） #

前置准备 #

提前确认财务模型的两个核心位置：

1. 输入参数对应的单元格位置（比如输入表!A2:A10）
2. 输出结果对应的单元格位置（比如结果表!B2:B6）
   提前把10万组待运行的参数整理为表格，每行对应一组输入参数。

代码实现 #

首先安装依赖：
pip install xlwings pandas
示例代码：

import xlwings as xw
import pandas as pd

# 读取10万组待运行参数
param_df = pd.read_excel("待运行参数表.xlsx")
result_storage = []

# 后台启动Excel，不显示界面减少性能消耗
with xw.App(visible=False, add_book=False) as app:
    # 关闭屏幕更新、自动计算提升运行速度
    app.screen_updating = False
    app.calculation = 'manual'
    # 打开财务模型模板（建议提前备份原模板，避免误修改）
    wb = app.books.open("财务模型模板.xlsx")
    input_sheet = wb.sheets["你的输入表名称"]
    output_sheet = wb.sheets["你的输出表名称"]

    # 遍历每组参数运行
    for idx, param_row in param_df.iterrows():
        # 替换输入单元格参数，按你实际的参数顺序、单元格位置调整
        input_sheet.range("A2").value = [
            param_row["参数1"], param_row["参数2"], param_row["参数3"], 
            param_row["参数4"], param_row["参数5"], param_row["参数6"]
        ]
        # 触发Excel计算
        wb.api.Calculate()
        # 若需要运行宏才出结果，添加下方代码即可，替换为你的宏名称
        # wb.macro("你的宏名称")()
        # 读取输出结果
        current_result = output_sheet.range("B2:B6").value
        # 存储当前参数+对应结果
        result_storage.append(param_row.tolist() + current_result)

        # 每跑1万组保存一次中间结果，避免异常丢失数据
        if (idx + 1) % 10000 == 0:
            temp_df = pd.DataFrame(result_storage)
            temp_df.to_excel(f"中间结果_第{idx+1}组.xlsx", index=False)

    # 全部跑完后保存最终结果
    final_columns = list(param_df.columns) + ["输出1", "输出2", "输出3", "输出4", "输出5"]
    final_df = pd.DataFrame(result_storage, columns=final_columns)
    final_df.to_excel("批量运行最终结果.xlsx", index=False)
    wb.close()

注意事项 #

• 若你的财务模型没有复杂自定义逻辑，可替换为openpyxl实现，无需依赖Excel安装，运行速度更快。
• 单批次运行量过大时建议拆分参数表分批次运行，避免内存占用过高。

内容的提问来源于stack exchange，提问作者Daniyal Shahzad