Python自动化办公系列01-对excel表格数据进行可视化分析

简介: 查理·芒格曾说过这样一番话:我不断地看到有些人在生活中越过越好,他们不是最聪明的,甚至不是最勤奋的,但他们是学习机器,他们每天夜里睡觉时都比那天早晨聪明一点点。优秀的人之所以能成为人中翘楚,往往就是因为他们是学习机器,能做到持续学习,不断地自我精进和迭代,一点点地进步和成长,将大多数人甩在身后。反过来,一些人之所以往后退,最本质的原因,还不是因为无法做到持续学习和成长,以至于不管是业务能力,还是眼界、格局,在方方面面都落后于人。 这就是优秀和平庸之间存在巨大差距的原因所在。成功的秘诀,说复杂也没那么复杂,其实就是成长,不断地成长,当你能做到比昨天更好,比身边的人更好,那么你想不成功都难

实战

安装模块 pip install openpyxl

第一步:创建表格及工作表

from openpyxl import Workbook

# 创建一个表格
wb = Workbook()
# 创建工作表
one = wb.create_sheet('娃哈哈')
two = wb.create_sheet('旺仔')
wb.create_sheet('牛奶')
three = wb.create_sheet('Tony老师')
wb.create_sheet('在上课')
# 保存
wb.save('西游记.xlsx')

image.png

第二步:添加表格数据

# 添加一个值   单元格  
one.cell(row=15,column=1,value='老师')
#
one['G23'] = 123
one['a2'] = 2343
one['C3'] = 'hahaha'

a = [11,2,3,4,5,6,7,8,'猴子','妲己']
# 多行添加
two.append(a)
# 多行 多列添加
data = [
    ['入职时间','公司人力成本总额','在岗人数','人均成本'],
    [2015,10000,1000,9.6],
    [2016,12000,1100,19.6],
    [2017,15000,1500,29.6],
    [2018,9000,800,39.6],
    [2019,11000,900,9.6],
    [2020,30000,2000,16.6],
    [2021,20000,1700,10.1],
]
for tony in data:
    three.append(tony)

image.png

image.png

image.png

第三步:数据可视化分析

from openpyxl.chart import PieChart,Reference,BarChart


# 数据分析 - 饼状图
pie = PieChart()
pie.title='Tony老师来到此一游'
# 设置数据对比 展示 图标
label = Reference(three,min_col=1,min_row=2,max_row=8)
data = Reference(three,min_col=2,min_row=2,max_row=8)

pie.add_data(data)
pie.set_categories(label)
# 添加
three.add_chart(pie,'b10')

image.png

# 数据分析 - 柱状图
bar = BarChart()
bar.title='Tony老师来到此一游'
bar.x_axis.title= '年份'
bar.type = 'bar'
bar.style = 15
# 设置数据对比 展示 图标
labels = Reference(three,min_col=1,min_row=2,max_row=8)
datas = Reference(three,min_col=2,min_row=2,max_row=8)

bar.add_data(datas)
bar.set_categories(labels)
# 添加
three.add_chart(bar,'j2')

效果展示

image.png

在这个浮躁的时代;竟然还有人能坚持篇篇原创;

如果本文对你学习有所帮助-可以点赞👍+ 关注!将持续更新更多新的文章。

支持原创。感谢!

相关文章
|
1月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
1152 1
|
1月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
373 0
|
1月前
|
JSON 算法 API
Python采集淘宝商品评论API接口及JSON数据返回全程指南
Python采集淘宝商品评论API接口及JSON数据返回全程指南
|
1月前
|
JSON API 数据安全/隐私保护
Python采集淘宝拍立淘按图搜索API接口及JSON数据返回全流程指南
通过以上流程,可实现淘宝拍立淘按图搜索的完整调用链路,并获取结构化的JSON商品数据,支撑电商比价、智能推荐等业务场景。
|
数据采集 数据可视化 IDE
用Python获得电影数据并可视化分析
用Python获得电影数据并可视化分析
243 0
|
数据采集 JSON 数据可视化
【Python实战】Python对中国500强排行榜数据进行可视化分析
【Python实战】Python对中国500强排行榜数据进行可视化分析
|
机器学习/深度学习 存储 数据可视化
数据分享|Python在Scikit-Learn可视化随机森林中的决策树分析房价数据
数据分享|Python在Scikit-Learn可视化随机森林中的决策树分析房价数据
181 12
|
传感器 数据可视化 BI
python研究汽车传感器数据统计可视化分析
python研究汽车传感器数据统计可视化分析
|
机器学习/深度学习 数据可视化 数据挖掘
python每日可视化分析:从过去到现代数据分析的演进
python每日可视化分析:从过去到现代数据分析的演进
|
自然语言处理 数据可视化 数据挖掘
数据代码分享|Python对全球Covid-19疫情失业数据相关性、可视化分析
数据代码分享|Python对全球Covid-19疫情失业数据相关性、可视化分析

热门文章

最新文章

推荐镜像

更多