在办公室里常常会被各种琐碎的重复性任务拖慢手脚。若Neng把这些“机械活儿”交给代码来完成，离准点打卡、甚至提早回家的目标就不再是遥不可及的梦想。下面我把几段自己经常用到的 Python 小程序搬出来配上真实的代码示例，帮助你把时间从“加班”里抢回来。

桌面、下载文件夹里总是一堆图片、文档、压缩包混在一起，手动搬来搬去耗时又容易出错。下面这段脚本Ke以“一键”把所有文件按照类型和修改日期分门别类地搬进对应的子目录。

import os
import shutil
from pathlib import Path
from datetime import datetime
class SmartOrganizer:
    """自动把指定目录里的文件按类别+月份归档"""
    # 可自行
的后缀映射表
    TYPE_MAP = {
        '图片': ,
        '文档': ,
        '视频': ,
        '音频': ,
        '压缩': ,
        '代码': 
    }
    def __init__:
        self.src = Path
        self.dst = Path if dst_dir else self.src / 'Yi整理'
        self.stats = {'moved': 0, 'skip': 0, 'errors': }
    def _category -> str:
        ext = Path.suffix.lower
        for cat, exts in self.TYPE_MAP.items:
            if ext in exts:
                return cat
        return '其它'
    def run:
        if not self.src.exists:
            raise FileNotFoundError
        self.dst.mkdir
        for item in self.src.iterdir:
            if item.is_file and item.name != Path.name:
                try:
                    self._handle_one
                except Exception as e:
                    self.stats.append
        self._summary
    def _handle_one:
        cat = self._category
        target = self.dst / cat
        if by_month:
            mtime = datetime.fromtimestamp.st_mtime)
            target = target / f"{mtime.year}-{mtime.month:02d}"
        target.mkdir
        dest = target / p.name
        counter = 1
        while dest.exists:
            dest = target / f"{p.stem}_{counter}{p.suffix}"
            counter += 1
        shutil.move, str)
        self.stats += 1
        print}")
    def _summary:
        print
        print
        print
        if self.stats:
            print
            for e in self.stats:
                print

只需改动两行路径，就Neng把「下载」文件夹瞬间变成有序的相册、文档库和备份区。每当kan到整齐划一的文件结构，心情dou会好上好几分。

hen多同事抱怨，每月一次的报表要先把原始数据里的空行、重复记录和格式不统一的问题手工处理，简直是“磨刀不误砍柴工”。下面这段类库把这些繁琐步骤浓缩成一个可配置的流水线，只要写好 JSON/字典式配置，一键跑完。

import pandas as pd
import numpy as np
import re
from typing import List, Dict, Callable
class ExcelCleaner:
    """一站式 Excel 清洗管线"""
    def __init__:
        self.df = pd.read_excel
        self.origin_shape = self.df.shape
        self.log = 
    def pipeline -> pd.DataFrame:
        steps = 
         for name, func, opt in steps:
              if not opt:
                  continue
              try:
                  if isinstance:
                      func
                  else:
                      func
                  self.log.append
              except Exception as e:
                  self.log.append
         return self.df
    # ---------- 各步骤实现 ----------
    def drop_empty_rows:
         """删除全部为 NA 的行"""
         before = len
         self.df.dropna
    def drop_empty_cols:
         """删除全部为 NA 的列"""
         before = len
         self.df.dropna(axis=1,
                        how='all',
                        inplace=True)
    def remove_dups(self,
                    subset: List = None,
                    keep: str = 'first'):
         before = len
         self.df.drop_duplicates(subset=subset,
                                 keep=keep,
                                 inplace=True)
    def normalize_columns:
         """列名小写、空格转下划线、去特殊字符"""
         def fmt:
              col = str.strip.lower
              col = re.sub
              col = re.sub
              return col
         self.df.columns = 
    def handle_na(self,
                  method: str='fill',
                  value='N/A'):
         if method == 'drop':
              self.df.dropna
         elif method == 'fill':
              for c in self.df.columns:
                   if \
                       np.issubdtype(self.df.dtype,\
                                      np.number):
                        fill_val=0
                   else:
                        fill_val=value
                   self.df.fillna(fill_val,
                                     inplace=True)
    def cast_types(self,
                   mapping: Dict):
         for col,tgt in mapping.items:
               if col not in \
                 self.df.columns: continue
               try:
                    if tgt=='datetime':
                         \
                         self.df=pd.to_datetime(\
                             self.df,
                             errors='coerce')
                    elif tgt=='numeric':
                         \
                         self.df=pd.to_numeric(\
                             \
                             self.df,
                             errors='coerce')
                    else:
                         \
                         \
                         self.df=self.df.astype
               except Exception as e:
                    print
    def clean_strings:
         for c in \
           self.df.select_dtypes.columns:
               s=self.df.astype.str.strip
               s=s.str.replace
               \
               this_df=selfdf # placeholder to avoid syntax error
# 示例使用 ----------------------------------------------------
if __name__ == '__main__':
     cleaner=ExcelCleaner
     config={
          'drop_empty_rows':True,
          'remove_dups':{'subset':},
          'normalize_columns':True,
          'handle_na':{'method':'fill','value':'未知'},
          'cast_types':{
                'order_date':'datetime',
                'amount':'numeric'}
     }
     df=cleaner.pipeline
     # 后续Ke以 df.to_excel

只要把业务需求翻译成配置字典，就Neng让枯燥的数据预处理在几秒钟内完成。再也不用因为手动删行而错过截止时间。

想象一下每次项目交付前需要给所有截图加上日期前缀，Ru果用系统自带的重命名对话框，一分钟dou算不了。下面这段脚本支持：

一次性为指定后缀的文件添加统一前缀或后缀；

自动检测同名冲突并在末尾递增数字。

import os
from pathlib import Path
def batch_rename(folder:str,
                 suffix:str='.jpg',
                 prefix:str=None,
                 postfix:str=None):
    base=Path
    for f in base.iterdir:
       if f.is_file and f.suffix.lower==suffix.lower:
           new_name=f.name
           stem=f.stem
           if prefix:
               stem=f"{prefix}{stem}"
           if postfix:
               stem=f"{stem}{postfix}"
           new_path=base/
           idx=1
           while new_path.exists:
               new_path=base/
               idx+=1
           f.rename
           print
# 调用示例：给当前目录所有 jpg 加上今天日期前缀
if __name__=='__main__':
     from datetime import date
     today=date.today.strftime
     batch_rename('.','.jpg',
                  prefix=today+'_')

运行一次所有照片立刻拥有统一命名规则，再也不会在提交审计材料时因文件散乱而慌张。

hen多企业要求每月提供加班时长统计，往往需要打开考勤系统导出 CSV，再人工筛选、汇总。下面这个脚本直接读取原始打卡记录，算出每位同事的正常工时、加班以及请假天数，并生成一份带图表的 Excel 报告。

import pandas as pd
import matplotlib.pyplot as plt
def attendance_summary:
    df=pd.read_csv(csv_path,
                   parse_dates=)
    df=df.dt.date
    # 假设上下班阈值分别为 9 点和 18 点：
    work_start=pd.Timestamp.time
    work_end=pd.Timestamp.time
    summary={}
    for emp,g in df.groupby:
       days=g.nunique
       overtime=g.dt.time> work_end].shape
       late=g.dt.time 

# reminder.py —— 每天上午十点弹窗提醒提交代码
import ctypes, time
def pop_msg:
   ctypes.windll.user32.MessageBoxW(0,
      "别忘了今天的 Git 提交哦~",
      "温馨提示",1)
if __name__=="__main__":
   pop_msg

# backup.py —— 增量复制Zui近修改过的文件到 NAS
import shutil, os
from pathlib import Path
from datetime import datetime,timedelta
SRC=Path
DST=Path
cutoff=datetime.now-timedelta   # Zui近一天内改动
for f in SRC.rglob:
   if f.is_file and datetime.fromtimestamp.st_mtime)>cutoff:
      rel=f.relative_to
      dst=DST/rel.parent
      dst.mkdir
      shutil.copy2
print