Python实战：自动化统计Excel数据

本文主要介绍了如何使用Python进行Excel文件的读取、统计和写入，以解决实际工作中处理大量邮件回复统计的问题。作者通过不断迭代更新代码，从version_1到version_final，逐步完善了功能，包括去重、写入多张表格以及优化程序结构。 在Python中，Pandas库是处理数据的强大工具，它提供了read_excel函数用于读取Excel文件，将数据转换成DataFrame对象。在version_1中，作者使用Pandas读取名为'for_python.xlsx'的Excel文件中的'Sheet2'工作表，并存储在DataFrame变量data中。然后，他们创建了一个集合（set）`return_set`来统计并去重回执名单。然而，这个版本存在一个问题，即集合中出现了'nan'值，这通常表示缺失数据。 在后续的版本中，作者解决了'nan'值的问题。version_2使用集合代替列表进行去重，因为集合自动去除重复项。version_3增加了写入Excel的功能，但限制是一次只能写入一张表格。version_4改进了这一限制，允许一次性写入多张表格，但始终会写入两张，缺乏灵活性。 version_5进一步提升了代码的可读性和模块化，修复了set中处理'nan'的方法，用户可以自由控制写入的表格数量。最后，version_final修复了一个需要预知知识的bug，引入了prep函数，使得代码更加通用，不再依赖特定的辅助函数。 在Python中，处理Excel文件通常涉及到以下知识点： 1. **Pandas库**：用于数据操作，如`pd.read_excel()`用于读取Excel，`df.to_excel()`用于写入Excel。 2. **DataFrame**：Pandas的核心数据结构，用于存储二维表格数据。 3. **集合操作**：用于去重，如`set(data['列名'])`。 4. **数据清洗**：处理缺失值（'nan'），可以使用`df.dropna()`或`df.fillna(value)`。 5. **文件路径管理**：`os`库中的`os.chdir()`改变当前工作目录，`os.getcwd()`获取当前工作目录。 6. **文件写入**：`df.to_excel()`的参数可以指定写入的Excel文件和工作表名称。 7. **代码模块化**：将功能封装成独立的函数，提高代码可读性和复用性。 通过以上步骤，Python可以极大地简化邮件回复统计这类任务，将原本繁琐的人工操作自动化，提高了工作效率。在实际应用中，可以根据具体需求对这些代码进行调整和优化。