import pandas as pd # 读取 Excel 文件 df = pd.read_excel('stockdata.xlsx') # 统计频数 freq = df['股票代码'].value_counts() # 计算频率 freq_rate = freq / len(df) # 合并频数和频率 result = pd.concat([freq, freq_rate], axis=1) result.columns = ['频数', '频率'] # 将结果写入文件 result.to_csv('code.csv')

这段代码将读取名为 "stockdata.xlsx" 的 Excel 文件中的股票代码列，统计每个股票代码出现的频数和频率，并将结果分别保存到名为 "freq" 和 "freq_rate" 的变量中。然后，使用 pd.concat() 函数将频数和频率列合并为一个 DataFrame，并将列名改为 "频数" 和 "频率"。最后，使用 to_csv() 函数将结果保存到名为 "code.csv" 的 CSV 文件中。

需要注意的是，读取 Excel 文件需要安装相应的库，如 openpyxl 或 xlrd 等。如果您使用的是较新版本的 pandas，可以直接使用 pd.read_excel() 函数读取 Excel 文件，而不需要安装额外的库。另外，您可以根据实际情况修改列名、文件名等参数。

相关问题

import pandas as pd# 读取Excel文件df = pd.read_excel('data.xlsx')# 分组统计计数counts = df.groupby('Category')['Value'].count()# 将计数结果写入Excel文件counts.to_excel('counts.xlsx')怎么使分组统计计数降序排序

可以使用`sort_values()`函数对`counts`进行降序排序，然后再将结果写入Excel文件。修改代码如下：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('data.xlsx')

# 分组统计计数并进行降序排序
counts = df.groupby('Category')['Value'].count().sort_values(ascending=False)

# 将计数结果写入Excel文件
counts.to_excel('counts.xlsx')

这样就可以按照计数数量的降序对分组统计计数结果进行排序了。

import pandas as pd # 读取Excel文件 df = pd.read_excel('data.xlsx') # 获取除第一行和第一列以外的数据，保存到列表中 data_list = df.iloc[1:, 1:].values.tolist() # 输出结果 print(data_list) 代码报错xlrd.biffh.XLRDError: Excel xlsx file; not supported

根据错误提示，这个代码是无法读取xlsx格式的Excel文件，只能读取xls格式的Excel文件。你可以尝试将data.xlsx另存为xls格式的Excel文件，或者使用pandas库中的read_excel函数的另一个参数engine来指定使用openpyxl引擎读取xlsx格式的Excel文件，例如：

df = pd.read_excel('data.xlsx', engine='openpyxl')

这样应该就可以读取xlsx格式的Excel文件了。