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
|
9天前
|
数据采集 JSON 测试技术
如何在Python中高效实现CSV到JSON的数据转换
在实际项目中,数据格式转换是常见问题,尤其从CSV到JSON的转换。本文深入探讨了多种转换方法,涵盖Python基础实现、数据预处理、错误处理、性能优化及调试验证技巧。通过分块处理、并行处理等手段提升大文件转换效率,并介绍如何封装为命令行工具或Web API,实现自动化批量处理。关键点包括基础实现、数据清洗、异常捕获、性能优化和单元测试,确保转换流程稳定高效。
126 83
|
10天前
|
算法 Serverless 数据处理
从集思录可转债数据探秘:Python与C++实现的移动平均算法应用
本文探讨了如何利用移动平均算法分析集思录提供的可转债数据,帮助投资者把握价格趋势。通过Python和C++两种编程语言实现简单移动平均(SMA),展示了数据处理的具体方法。Python代码借助`pandas`库轻松计算5日SMA,而C++代码则通过高效的数据处理展示了SMA的计算过程。集思录平台提供了详尽且及时的可转债数据,助力投资者结合算法与社区讨论,做出更明智的投资决策。掌握这些工具和技术,有助于在复杂多变的金融市场中挖掘更多价值。
39 12
|
2天前
|
数据采集 供应链 API
实战指南:通过1688开放平台API获取商品详情数据(附Python代码及避坑指南)
1688作为国内最大的B2B供应链平台,其API为企业提供合法合规的JSON数据源,直接获取批发价、SKU库存等核心数据。相比爬虫方案,官方API避免了反爬严格、数据缺失和法律风险等问题。企业接入1688商品API需完成资质认证、创建应用、签名机制解析及调用接口四步。应用场景包括智能采购系统、供应商评估模型和跨境选品分析。提供高频问题解决方案及安全合规实践,确保数据安全与合法使用。立即访问1688开放平台,解锁B2B数据宝藏!
|
9天前
|
数据采集 存储 前端开发
用Python抓取亚马逊动态加载数据,一文读懂
用Python抓取亚马逊动态加载数据,一文读懂
|
1天前
|
存储 数据采集 JSON
Python爬取某云热歌榜:解析动态加载的歌曲数据
Python爬取某云热歌榜:解析动态加载的歌曲数据
|
Python
Python办公自动化--Word、Excel、PDF
python操作excel主要用到openpyxl库。其主要针对xlsx格式的excel进行读取和编辑。下面简单介绍其使用方法及命令。除openpyxl库外,还有xlwt及xlwd也可以对excel表格实现同样操作。
176 0
Python办公自动化--Word、Excel、PDF
|
存储 Python
Python办公自动化之从Word到Excel
大家好,今天有一个公务员的小伙伴委托我给他帮个忙,大概是有这样一份Word(由于涉及文件私密所以文中的具体内容已做修改
|
2月前
|
人工智能 数据可视化 数据挖掘
探索Python编程:从基础到高级
在这篇文章中,我们将一起深入探索Python编程的世界。无论你是初学者还是有经验的程序员,都可以从中获得新的知识和技能。我们将从Python的基础语法开始,然后逐步过渡到更复杂的主题,如面向对象编程、异常处理和模块使用。最后,我们将通过一些实际的代码示例,来展示如何应用这些知识解决实际问题。让我们一起开启Python编程的旅程吧!
|
2月前
|
存储 数据采集 人工智能
Python编程入门:从零基础到实战应用
本文是一篇面向初学者的Python编程教程,旨在帮助读者从零开始学习Python编程语言。文章首先介绍了Python的基本概念和特点,然后通过一个简单的例子展示了如何编写Python代码。接下来,文章详细介绍了Python的数据类型、变量、运算符、控制结构、函数等基本语法知识。最后,文章通过一个实战项目——制作一个简单的计算器程序,帮助读者巩固所学知识并提高编程技能。

热门文章

最新文章