python 统计类别占比 python统计汇总

1、汇总一个工作簿中多个工作表

基本逻辑：

（1）新建一个列表存储内容

（2）打开第一张表，统计表有多少行

（3）将表的数据一行一行汇总在一起

（4）将汇总的内容保存到工作表中

import xlrd
# XlsxWriter只能创建新文件。它无法读取或修改现有文件。
import xlsxwriter
import os

# 打开工作簿
wb = xlrd.open_workbook('D:/test01/年龄表.xlsx')
# 读取工作簿的sheet名
sheets = wb.sheet_names()

# 统计工作簿汇总表的个数
nsheets = len(sheets)

# 每个工作表有多少行
for nsht in range(nsheets):
    table = wb.sheets()[nsht]
    nrows = table.nrows
    print(nrows)

total = [['姓名', '年龄', '来源']]

# 查看汇总表里面有多少字段
label = table.row_values(0)

item1 = label.index("姓名")
item2 = label.index("年龄")

for nsht in range(nsheets):
    table = wb.sheets()[nsht]
    nrows = table.nrows
    for nr in range(1, nrows):
        item = [table.row_values(nr)[item1], table.row_values(nr)[item2]]
        item.append(sheets[nsht])
        total.append(item)

# 新建一个工作簿
workbook = xlsxwriter.Workbook("D:/test01/年龄汇总test.xlsx")
worksheet = workbook.add_worksheet()

# 新建一个工作表，命名为sheet
for i in range(len(total)):
    for j in range(len(total[i])):
        worksheet.write(i, j, total[i][j])
workbook.close()

 方法二：采用xlwings汇总数据，并且设置条件格式（大于平均值的标注颜色）

数据来源：国家统计局原煤、原油、天然气产量的月度数据

数据需求：将各月份当期产量数据汇总到一个新的工作簿

import pandas as pd
import xlwings as xw

raw_coal = pd.read_excel(r"统计局数据.xlsx", engine='openpyxl', sheet_name='原煤')
crude_oil = pd.read_excel(r"统计局数据.xlsx", engine='openpyxl', sheet_name='原油')
natural_gas = pd.read_excel(r"统计局数据.xlsx", engine='openpyxl', sheet_name='天然气')
data = pd.merge(raw_coal, crude_oil, on = '指标')
data = pd.merge(data, natural_gas, on = '指标')
finally_data = data[['指标', '原煤产量当期值(万吨)', '原油产量当期值(万吨)', '天然气产量当期值(亿立方米)']]
# print(finally_data)

# 新建文档汇总数据
wb = xw.Book()
sht = wb.sheets['sheet1']
sht.name = 'finally_data'
columns = list(finally_data.columns)
sht.range('A1').value = columns

finally_data1 = finally_data.values
sht.range('A2').value = finally_data1

describe = finally_data.describe()
avg = list(describe.loc['mean', :])
# 大于均值的数在EXCEL位置
red_原煤 = list(finally_data.index[finally_data['原煤产量当期值(万吨)']>avg[0]])
red_position1 = ['B' +str(i+2) for i in red_原煤]
red_原油 = list(finally_data.index[finally_data['原油产量当期值(万吨)']>avg[1]])
red_position2 = ['C' +str(i+2) for i in red_原油]
red_天然气 = list(finally_data.index[finally_data['天然气产量当期值(亿立方米)']>avg[2]])
red_position3 = ['D' +str(i+2) for i in red_天然气]
red = red_position1 + red_position2 + red_position3

# 小于均值的数在EXCEL位置
blue_原煤 = list(finally_data.index[finally_data['原煤产量当期值(万吨)']<avg[0]])
blue_position1 = ['B' +str(i+2) for i in blue_原煤]
blue_原油 = list(finally_data.index[finally_data['原油产量当期值(万吨)']<avg[1]])
blue_position2 = ['C' +str(i+2) for i in blue_原油]
blue_天然气 = list(finally_data.index[finally_data['天然气产量当期值(亿立方米)']<avg[2]])
blue_position3 = ['D' +str(i+2) for i in blue_天然气]
blue = blue_position1 + blue_position2 + blue_position3

# print(red)
# print(blue)

a_range = f'A1:D22'
sht.range(a_range).api.Font.Name='微软雅黑'
sht.range(a_range).api.Borders(8).LineStyle = 1 # 上边框
sht.range(a_range).api.Borders(9).LineStyle = 1 # 下边框
sht.range(a_range).api.Borders(7).LineStyle = 1 # 左边框
sht.range(a_range).api.Borders(10).LineStyle = 1 # 右边框
sht.range(a_range).api.Borders(12).LineStyle = 1 # 内横边框
sht.range(a_range).api.Borders(11).LineStyle = 1 # 内纵边框


# 区域内字体颜色成白色，单元格变成黑色
b_range = f'A1:D1'#区域第一行
sht.range(b_range).api.Font.Color = 0xffffff
sht.range(b_range).color=(0, 0, 0)

# 在excel 表格里改变字体颜色
for i in red:
    sht.range(i).api.Font.Color = 0x0000ff
for i in blue:
    sht.range(i).api.Font.Color = 0xFF0000
wb.save('结果数据.xlsx')
wb.close()

　　

2、汇总多个工作簿的内容

数据说明：

1）excel文件夹中有两个文件，2018.xlsx 和2019.xls

2）2019的文件表头在第二行，2018的表头在第一行

3）需要的字段不在同一列，并且除了需要的字段可能还有其它不相关的内容

基本步骤：

（1）查看有几个工作簿

（2）打开第一个工作簿，统计表中内容

（3）将工作簿的内容汇总

（4）将汇总的内容保存到工作表中

import xlrd
import xlsxwriter
import os

# 读取文件夹中的文件名
filelist = os.listdir('.\excel文件夹')
print(filelist)

# 新建一个列表存储汇总的数据，定义好列名
# 此处也可以用dataframe来新建和处理
total = [['部门名称', '招考职位', '职位简介', '招考人数', '专业', '学历','来源']]


# 要整理的excel表格 xls、xlsx文件所在文件夹
# 新建一个list存放xlsx文件(包含路径)
collect_xlsx = []

# 将excel文件选出来
for file in filelist:
    fileExpand = os.path.splitext(file)[1]
#     print(fileExpand)
    if (fileExpand == '.xlsx')|(fileExpand == '.xls'):
        # 绝对路径和相对路径
        file_path = 'D:/工作文档/03-数据分析分享/excel文件夹/' + file
#         file_path =  "./excel文件夹/" + file
        collect_xlsx.append(file_path)
#     elif fileExpand == '.xls':
#         collect_xlsx.append(file)

for file_xlsx in collect_xlsx:
        if file_xlsx == "D:/工作文档/03-数据分析分享/excel文件夹/2019.xls":
            wb = xlrd.open_workbook(file_xlsx)
            sheets = wb.sheet_names()
            nsheets = len(sheets)

            for nsht in range(nsheets):
                table = wb.sheets()[nsht]
                nrows = table.nrows

                # 提取标签,2019年的数据从第二行开始提取
                label = table.row_values(1)
                # 将需要的字段通过label提取出来
                item1 = label.index("部门名称")
                item2 = label.index("招考职位")
                item3 = label.index("职位简介")
                item4 = label.index("招考人数")
                item5 = label.index("专业")
                item6 = label.index("学历")

                for nr in range(2, nrows):
                    item = [table.row_values(i)[item1], table.row_values(i)[item2], table.row_values(i)[item3],\
                            table.row_values(i)[item4], table.row_values(i)[item5], table.row_values(i)[item6]]
                    item.append(file_xlsx + sheets[nsht])
                    total.append(item)
                        
        else:      
            wb = xlrd.open_workbook(file_xlsx)
            sheets = wb.sheet_names()
            nsheets = len(sheets)

            for nsht in range(nsheets):
                table = wb.sheets()[nsht]
                nrows = table.nrows

                # 提取标签,2018年的数据从第一行开始提取，2018的部门名称叫做招录机关
                label = table.row_values(0)
                # 将需要的字段通过label提取出来
                item1 = label.index("招录机关")
                item2 = label.index("招考职位")
                item3 = label.index("职位简介")
                item4 = label.index("招考人数")
                item5 = label.index("专业")
                item6 = label.index("学历")

                for nr in range(1, nrows):
                    item = [table.row_values(i)[item1], table.row_values(i)[item2], table.row_values(i)[item3],\
                            table.row_values(i)[item4], table.row_values(i)[item5], table.row_values(i)[item6]]
                    item.append(file_xlsx + sheets[nsht])
                    total.append(item)

# 新建一个工作簿
workbook = xlsxwriter.Workbook("total_test.xlsx")
worksheet = workbook.add_worksheet()

for i in range(len(total)):
    for j in range(len(total[i])):
        worksheet.write(i, j, total[i][j])
workbook.close()