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
|
8天前
|
数据采集 缓存 定位技术
网络延迟对Python爬虫速度的影响分析
网络延迟对Python爬虫速度的影响分析
|
14天前
|
Java API Apache
Java编程如何读取Word文档里的Excel表格,并在保存文本内容时保留表格的样式?
【10月更文挑战第29天】Java编程如何读取Word文档里的Excel表格,并在保存文本内容时保留表格的样式?
70 5
|
25天前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
6天前
|
数据采集 IDE 测试技术
Python实现自动化办公:从基础到实践###
【10月更文挑战第21天】 本文将探讨如何利用Python编程语言实现自动化办公,从基础概念到实际操作,涵盖常用库、脚本编写技巧及实战案例。通过本文,读者将掌握使用Python提升工作效率的方法,减少重复性劳动,提高工作质量。 ###
20 1
|
9天前
|
SQL 数据可视化 数据挖掘
想让Excel表格设计更美观?试试这几款好用工具!
Excel表格设计在项目管理和数据分析中至关重要。本文推荐四款辅助工具:板栗看板、Excel自动图表助手、Think-Cell Chart 和 Power BI,分别在任务管理、图表生成、数据可视化等方面表现突出,帮助你设计出更专业、美观的表格。
25 2
|
10天前
|
数据采集 存储 JSON
Python爬虫开发中的分析与方案制定
Python爬虫开发中的分析与方案制定
|
17天前
|
数据可视化 开发者 Python
Python GUI开发:Tkinter与PyQt的实战应用与对比分析
【10月更文挑战第26天】本文介绍了Python中两种常用的GUI工具包——Tkinter和PyQt。Tkinter内置于Python标准库,适合初学者快速上手,提供基本的GUI组件和方法。PyQt基于Qt库,功能强大且灵活,适用于创建复杂的GUI应用程序。通过实战示例和对比分析,帮助开发者选择合适的工具包以满足项目需求。
62 7
|
14天前
|
数据管理 程序员 数据处理
利用Python自动化办公:从基础到实践####
本文深入探讨了如何运用Python脚本实现办公自动化,通过具体案例展示了从数据处理、文件管理到邮件发送等常见办公任务的自动化流程。旨在为非程序员提供一份简明扼要的实践指南,帮助他们理解并应用Python在提高工作效率方面的潜力。 ####
|
16天前
|
存储 数据处理 Python
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第27天】在科学计算和数据分析领域,Python凭借简洁的语法和强大的库支持广受欢迎。NumPy和SciPy作为Python科学计算的两大基石,提供了高效的数据处理和分析工具。NumPy的核心功能是N维数组对象(ndarray),支持高效的大型数据集操作;SciPy则在此基础上提供了线性代数、信号处理、优化和统计分析等多种科学计算工具。结合使用NumPy和SciPy,可以显著提升数据处理和分析的效率,使Python成为科学计算和数据分析的首选语言。
27 3
|
17天前
|
存储 机器学习/深度学习 算法
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第26天】NumPy和SciPy是Python科学计算领域的两大核心库。NumPy提供高效的多维数组对象和丰富的数学函数,而SciPy则在此基础上提供了更多高级的科学计算功能,如数值积分、优化和统计等。两者结合使Python在科学计算中具有极高的效率和广泛的应用。
33 2