Automatiza reportes de Excel con Python

Puedes automatizar un reporte de Excel con Python escribiendo un solo script que lea tus exportaciones, calcule el resumen, genere un archivo .xlsx con formato y corra de forma programada. La librería pandas se encarga de los datos, openpyxl del formato de Excel, y el programador de tareas de tu sistema lo ejecuta cada semana sin que tengas que abrir un solo archivo.

¿Por qué automatizar reportes de Excel con Python?

Muchos reportes semanales siguen la misma rutina: descargar varios CSV, pegarlos en un libro, actualizar una tabla dinámica, arreglar el formato y enviar el resultado por correo. Es repetitivo, y cada copiar y pegar manual es una oportunidad para equivocarse. Un script de Python hace exactamente los mismos pasos cada vez, deja la lógica por escrito y termina en segundos.

Python no es la única opción de automatización. Antes de escribir código, conviene ver dónde encaja:

Si tu reporte solo necesita limpiar y combinar datos, empieza con Power Query en Excel. Cuando necesites que todo el proceso corra solo, Python es el siguiente paso natural.

Paso 1: Prepara el proyecto y carga tus datos

Crea la carpeta del proyecto

1. Instala Python 3 y ejecuta pip install pandas openpyxl en una terminal.
2. Crea una carpeta, por ejemplo weekly_report, con dos subcarpetas: data para las exportaciones originales y output para los reportes terminados.
3. Guarda tus exportaciones con un patrón de nombre consistente, como sales_2026-10-19.csv. Ese patrón predecible es lo que permite que el script encuentre los archivos solo.
4. Crea un archivo vacío llamado weekly_report.py. Todo el código de abajo va en ese único archivo.

En este ejemplo, cada CSV tiene las columnas date, account, product, units y revenue. Cambia los nombres para que coincidan con tus exportaciones. Si prefieres probar cada paso de forma interactiva, constrúyelo primero en un notebook como explicamos en nuestra guía de Jupyter Notebooks y luego copia el código que funciona al script.

Carga y combina todas las exportaciones

Este bloque busca todos los archivos que siguen el patrón, los apila en una sola tabla, elimina filas duplicadas exactas (útil cuando dos exportaciones se traslapan) y agrega una columna week con el lunes en que empieza cada semana.

from pathlib import Path
import pandas as pd

DATA = Path("data")
OUT = Path("output")
OUT.mkdir(exist_ok=True)

files = sorted(DATA.glob("sales_*.csv"))
sales = pd.concat(
    (pd.read_csv(f, parse_dates=["date"]) for f in files),
    ignore_index=True,
).drop_duplicates()

sales["week"] = sales["date"].dt.to_period("W").dt.start_time

Paso 2: Construye el resumen

La mayoría de los reportes de ventas responde una pregunta sencilla: ¿cómo le fue a cada cuenta esta semana comparada con la anterior? El código crea una tabla dinámica con una fila por cuenta y una columna por semana, y luego calcula el cambio porcentual.

this_week = sales["week"].max()
prev_week = this_week - pd.Timedelta(weeks=1)

summary = (
    sales[sales["week"].isin([prev_week, this_week])]
    .pivot_table(index="account", columns="week", values="revenue",
                 aggfunc="sum", fill_value=0)
    .reindex(columns=[prev_week, this_week], fill_value=0)
)
summary.columns = ["prev_week", "this_week"]
summary["change_pct"] = (
    summary["this_week"] / summary["prev_week"] - 1
).where(summary["prev_week"] > 0)
summary = summary.sort_values("this_week", ascending=False).reset_index()

Dos detalles lo hacen robusto. La línea reindex garantiza que existan las dos columnas de semana aunque una cuenta no haya vendido la semana pasada, y .where(...) deja el cambio vacío en lugar de dividir entre cero. Esas pequeñas protecciones son la diferencia entre un script en el que confías y uno que tienes que vigilar. Para aprender más sobre cómo transformar datos así, mira nuestro tutorial de pandas para usuarios de Excel.

Paso 3: Genera el archivo de Excel con formato

Ahora escribe el resumen y los datos detallados en dos hojas. El nombre del archivo incluye la semana, así nunca se sobrescriben los reportes anteriores.

report = OUT / f"weekly_sales_{this_week:%Y-%m-%d}.xlsx"

with pd.ExcelWriter(report, engine="openpyxl") as writer:
    summary.to_excel(writer, sheet_name="Summary", index=False)
    sales.to_excel(writer, sheet_name="Detail", index=False)

Una exportación sin formato se ve a medio terminar, así que el último paso aplica formato con openpyxl: encabezado de color, formatos de moneda y porcentaje, la primera fila inmovilizada y la primera columna más ancha.

from openpyxl import load_workbook
from openpyxl.styles import Font, PatternFill

wb = load_workbook(report)
ws = wb["Summary"]

for cell in ws[1]:
    cell.font = Font(bold=True, color="FFFFFF")
    cell.fill = PatternFill("solid", fgColor="1F4E78")

for row in ws.iter_rows(min_row=2, min_col=2, max_col=3):
    for cell in row:
        cell.number_format = '"$"#,##0'

for cell in ws["D"][1:]:
    cell.number_format = "0.0%"

ws.freeze_panes = "A2"
ws.column_dimensions["A"].width = 28
wb.save(report)
print(f"Report saved: {report}")

Ejecuta el script con python weekly_report.py. Abre el archivo en la carpeta output y compara los totales de un par de cuentas con tu reporte manual. Comparar contra un número en el que ya confías es la prueba más importante de todas.

Paso 4: Prográmalo para que corra solo

Windows: Programador de tareas

1. Abre el Programador de tareas (Task Scheduler) y elige Crear tarea básica.
2. Elige un desencadenador, por ejemplo semanal, los lunes a las 7:00 a. m.
3. Como acción, elige Iniciar un programa. En Programa o script pon la ruta completa de python.exe; en Agregar argumentos, weekly_report.py; y en Iniciar en, la carpeta de tu proyecto.
4. Guárdala, haz clic derecho sobre la tarea y elige Ejecutar para probarla de inmediato.

macOS y Linux: cron

Ejecuta crontab -e y agrega una línea como esta (ajusta las rutas):

# Todos los lunes a las 7:00 a. m.
0 7 * * 1 cd /home/me/weekly_report && /usr/bin/python3 weekly_report.py

Uses el programador que uses, la computadora tiene que estar encendida a esa hora. Si eso es un problema, más adelante puedes correr el mismo script en un servidor o en una máquina en la nube.

¿Quieres que el reporte también llegue por correo? Los módulos incluidos en Python, smtplib y email, pueden adjuntar el archivo y enviarlo; y en entornos Microsoft muchos equipos prefieren que Power Automate tome el archivo nuevo desde una carpeta compartida. Sigue las reglas de TI de tu empresa para enviar correos desde scripts y nunca guardes contraseñas en texto plano dentro del código.

Problemas comunes y cómo evitarlos

• Cambian los nombres de las columnas. Si un sistema cambia Revenue por Net Revenue, el script se detiene. Agrega al inicio una verificación con la lista de columnas obligatorias que muestre un mensaje claro cuando falte alguna.
• Archivos abiertos. En Windows, escribir en un libro que está abierto en Excel da un error de permisos. Como cada reporte tiene un nombre nuevo con fecha, casi no pasa, pero cierra los archivos viejos antes de probar.
• Carpeta de trabajo equivocada. Los programadores de tareas suelen arrancar en otro directorio. Configurar Iniciar en (o el cd en cron) resuelve la mayoría de los errores de "archivo no encontrado".
• Fallas silenciosas. Escribe en cada ejecución una línea de registro con la fecha y la cantidad de filas, para darte cuenta si alguna semana no se generó.

Próximos pasos

Elige el reporte que más veces rehaces, anota en papel sus pasos manuales y tradúcelos a las cuatro etapas de arriba: cargar, resumir, escribir y programar. Empieza solo con la hoja de resumen, confirma durante dos o tres semanas que los números coinciden con tu versión manual y luego agrega el formato y la programación. Si todavía estás diseñando el reporte en sí, nuestra guía para crear un reporte semanal de ventas en Excel explica qué métricas y qué diseño incluir.

Mira: lecciones en video

▶

Preguntas frecuentes