execl 分组汇总表示例

假设我们有一个包含以下数据的表格：

| 姓名 | 性别 | 年龄 | 成绩 |
| ---- | ---- | ---- | ---- |
| 张三 | 男 | 20 | 85 |
| 李四 | 女 | 22 | 90 |
| 王五 | 男 | 21 | 80 |
| 赵六 | 女 | 20 | 95 |
| 孙七 | 男 | 22 | 75 |

现在我们想要对这个表格进行分组汇总，以性别为分组依据，计算每个性别的平均年龄和平均成绩。可以使用以下 SQL 语句实现：

SELECT 性别, AVG(年龄) AS 平均年龄, AVG(成绩) AS 平均成绩
FROM 表格名
GROUP BY 性别;

执行以上 SQL 语句后，将得到以下结果：

| 性别 | 平均年龄 | 平均成绩 |
| ---- | -------- | -------- |
| 男 | 21 | 80 |
| 女 | 21 | 92.5 |

以上结果表示，男性的平均年龄是 21 岁，平均成绩是 80 分；女性的平均年龄是 21 岁，平均成绩是 92.5 分。

相关问题

pandas读取excel 分组汇总

1. 读取Excel文件

使用pandas的read_excel函数读取Excel文件。

import pandas as pd

df = pd.read_excel('data.xlsx')

2. 分组汇总数据

使用pandas的groupby函数对数据进行分组，然后使用sum、mean、count等函数对每组数据进行汇总。

# 按照类别分组，计算每个类别的销售总额和平均销售额
result = df.groupby('类别')['销售额'].agg(['sum', 'mean'])

# 按照地区和类别分组，计算每个地区每个类别的销售总额和平均销售额
result = df.groupby(['地区', '类别'])['销售额'].agg(['sum', 'mean'])

# 按照日期和类别分组，计算每个日期每个类别的销售总额和平均销售额
result = df.groupby(['日期', '类别'])['销售额'].agg(['sum', 'mean'])

3. 将结果保存到Excel文件

使用pandas的to_excel函数将结果保存到Excel文件。

result.to_excel('result.xlsx')

pythonexcel分组

你可以使用Python中的openpyxl库来读取和操作Excel文件。要对Excel数据进行分组，可以按照特定的列值进行分组操作。以下是一个示例代码，演示如何使用openpyxl库来对Excel数据进行分组：

from openpyxl import load_workbook

# 加载Excel文件
workbook = load_workbook('your_excel_file.xlsx')

# 选择特定的工作表
worksheet = workbook['your_sheet_name']

# 创建一个字典用于存储分组后的数据
groups = {}

# 遍历每一行数据，并根据指定的列值进行分组
for row in worksheet.iter_rows(min_row=2, values_only=True):
    column_value = row[0]  # 假设分组列为第一列（A列）
    
    if column_value not in groups:
        groups[column_value] = [row]
    else:
        groups[column_value].append(row)

# 打印分组后的数据
for key, values in groups.items():
    print(f"分组 {key}:")
    for value in values:
        print(value)

# 关闭Excel文件
workbook.close()

在上述示例中，我们打开了一个名为 "your_excel_file.xlsx" 的Excel文件，并选择了名为 "your_sheet_name" 的工作表。然后，我们遍历了每一行数据，并按照第一列的值将数据分组存储在一个字典中。最后，我们打印了每个分组的数据。

请注意，上述代码仅演示了如何使用openpyxl库进行Excel分组操作的基本方法。根据你的具体需求和Excel文件的结构，你可能需要进行适当的修改。