Cómo Automatizar Reportes de Excel con Python (Código Completo)

Pierdes 2-3 horas cada día armando reportes de producción en Excel. Copias datos de un archivo, pegas en otro, actualizas tablas dinámicas, generas gráficas y mandas por correo.

¿Qué tal si todo eso se hiciera solo? En este tutorial te muestro cómo automatizar reportes de Excel con Python usando pandas, openpyxl y smtplib.

Al final vas a tener un script que:

• Lee datos de múltiples archivos Excel
• Limpia y procesa la información automáticamente
• Genera gráficas profesionales
• Crea un reporte consolidado en formato Excel
• Lo envía por correo a quien quieras

Y todo con un solo comando. Vamos.

¿Qué necesitas antes de empezar?

Tres cosas:

1. Python 3.8 o superior instalado en tu computadora (descárgalo aquí)
2. Conocimientos básicos de Excel (saber qué es una celda, una fila, una columna)
3. 15 minutos sin interrupciones

No necesitas ser programador. Voy a explicar cada línea de código.

Paso 1: Instalar las librerías necesarias

Abre tu terminal (CMD en Windows, Terminal en Mac/Linux) y ejecuta esto:

pip install pandas openpyxl matplotlib

Esto instala tres librerías:

• pandas: Para leer y manipular datos de Excel
• openpyxl: Para escribir archivos .xlsx
• matplotlib: Para generar gráficas

Espera 30-60 segundos mientras se instalan. Listo.

Paso 2: Crear el script principal

Crea un archivo llamado reporte_automatico.py y pega este código:

import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

# 1. Leer datos de Excel
df = pd.read_excel('datos_produccion.xlsx', sheet_name='Producción')

# 2. Limpiar datos
df['Fecha'] = pd.to_datetime(df['Fecha'])
df = df.dropna()  # Eliminar filas vacías

# 3. Calcular métricas
total_producido = df['Unidades'].sum()
promedio_diario = df.groupby('Fecha')['Unidades'].sum().mean()

# 4. Crear gráfica
plt.figure(figsize=(10, 6))
df.groupby('Fecha')['Unidades'].sum().plot(kind='bar')
plt.title('Producción Diaria')
plt.xlabel('Fecha')
plt.ylabel('Unidades')
plt.tight_layout()
plt.savefig('grafica_produccion.png')

# 5. Generar reporte
with pd.ExcelWriter('reporte_final.xlsx', engine='openpyxl') as writer:
    # Resumen
    resumen = pd.DataFrame({
        'Métrica': ['Total Producido', 'Promedio Diario'],
        'Valor': [total_producido, promedio_diario]
    })
    resumen.to_excel(writer, sheet_name='Resumen', index=False)
    
    # Datos completos
    df.to_excel(writer, sheet_name='Datos', index=False)

print('✓ Reporte generado: reporte_final.xlsx')

¿Qué hace este código?

Línea por línea:

1. Línea 1-3: Importa las librerías que vamos a usar
2. Línea 6: Lee el archivo Excel llamado datos_produccion.xlsx
3. Línea 9-10: Limpia los datos (convierte fechas y elimina filas vacías)
4. Línea 13-14: Calcula el total producido y el promedio diario
5. Línea 17-23: Genera una gráfica de barras y la guarda como imagen
6. Línea 26-34: Crea un nuevo Excel con dos hojas: Resumen y Datos

Paso 3: Probarlo con tus datos

Crea un archivo Excel llamado datos_produccion.xlsx con esta estructura:

Fecha	Turno	Unidades
2026-04-20	Matutino	500
2026-04-20	Vespertino	480
2026-04-21	Matutino	520

Guarda ambos archivos en la misma carpeta y ejecuta:

python reporte_automatico.py

Debería aparecer el mensaje ✓ Reporte generado: reporte_final.xlsx y tendrás dos archivos nuevos:

• reporte_final.xlsx — El reporte consolidado
• grafica_produccion.png — La gráfica de barras

Paso 4: Enviarlo por correo automáticamente

Agrega este código al final del script:

import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.base import MIMEBase
from email.mime.text import MIMEText
from email import encoders

# Configuración
remitente = 'tu_correo@gmail.com'
contraseña = 'tu_contraseña_de_aplicacion'
destinatarios = ['jefe@empresa.com', 'gerente@empresa.com']

# Crear mensaje
msg = MIMEMultipart()
msg['From'] = remitente
msg['To'] = ', '.join(destinatarios)
msg['Subject'] = f'Reporte de Producción - {datetime.now().strftime("%d/%m/%Y")}'

# Cuerpo del email
cuerpo = f'''
Buen día,

Adjunto el reporte de producción generado automáticamente.

Total producido: {total_producido:,.0f} unidades
Promedio diario: {promedio_diario:,.0f} unidades

Saludos,
Sistema Automatizado
'''

msg.attach(MIMEText(cuerpo, 'plain'))

# Adjuntar Excel
with open('reporte_final.xlsx', 'rb') as archivo:
    adjunto = MIMEBase('application', 'octet-stream')
    adjunto.set_payload(archivo.read())
    encoders.encode_base64(adjunto)
    adjunto.add_header('Content-Disposition', 'attachment', filename='reporte_final.xlsx')
    msg.attach(adjunto)

# Enviar
try:
    servidor = smtplib.SMTP('smtp.gmail.com', 587)
    servidor.starttls()
    servidor.login(remitente, contraseña)
    servidor.send_message(msg)
    servidor.quit()
    print('✓ Email enviado exitosamente')
except Exception as e:
    print(f'✗ Error al enviar: {e}')

Paso 5: Programar para que corra automáticamente

En Windows:

1. Abre el "Programador de tareas" (búscalo en el menú inicio)
2. Click en "Crear tarea básica"
3. Nombre: "Reporte automático"
4. Frecuencia: "Diariamente" a las 7:00 AM
5. Acción: "Iniciar un programa"
6. Programa: python
7. Argumentos: C:\ruta\a\reporte_automatico.py

En Mac/Linux:

Usa cron. Edita el crontab con crontab -e y agrega:

0 7 * * * /usr/bin/python3 /ruta/a/reporte_automatico.py

Listo. A partir de mañana el reporte se genera y envía solo.

Errores comunes (y cómo solucionarlos)

1. "ModuleNotFoundError: No module named 'pandas'"

Solución: Instala pandas con pip install pandas

2. "FileNotFoundError: datos_produccion.xlsx"

Solución: Verifica que el archivo Excel esté en la misma carpeta que el script.

3. "SMTPAuthenticationError"

Solución: Asegúrate de usar una contraseña de aplicación de Google, no tu contraseña normal.

4. Las fechas aparecen como números raros

Solución: Agrega df['Fecha'] = pd.to_datetime(df['Fecha']) después de leer el Excel.

Próximos pasos

Ahora que tienes el script base funcionando, puedes expandirlo:

• Leer múltiples archivos: Usa glob para procesar todas las carpetas de producción
• Generar PDFs: Usa reportlab para crear reportes en PDF
• Conectar a SQL Server: Lee datos directamente de tu base de datos con pyodbc
• Dashboard web: Usa streamlit para crear un dashboard interactivo

Si necesitas ayuda para implementar esto en tu planta o crear un sistema más robusto, escríbeme y lo platicamos.