### 使用 Python 实现数据分类功能 Python 是一种强大的数据分析工具，可以利用 Pandas 库实现数据的分类、汇总与统计[^1]。以下是具体的实现方法： #### 数据分类与汇总 通过 `groupby` 方法可以根据指定字段对数据进行分组，并生成分类后的统计数据表[^1]。 ```python import pandas as pd # 假设原始数据存储在 Excel 文件中 file_path = 'D:\\data\\原始数据.xlsx' # 读取 Excel 文件为 DataFrame data = pd.read_excel(file_path) # 按照 "类别" 字段进行分组 grouped_data = data.groupby('类别') # 统计每组的数量 summary = grouped_data.size().reset_index(name='数量') ``` 上述代码实现了按指定字段（如“类别”）对数据进行分组，并统计每组的数据数量[^1]。 #### 数据拆分与保存 如果需要将每个类别的数据单独保存为一个文件，可以使用以下代码[^3]： ```python # 遍历每个类别并保存为独立的 Excel 文件 for category, group in grouped_data: file_name = f'D:\\data\\{category}.xlsx' group.to_excel(file_name, index=False) ``` 这段代码会根据分类结果，将每个类别的数据保存为单独的 Excel 文件[^3]。 #### 汇总表保存 将分类后的统计数据保存为一个新的 Excel 文件，便于后续分析和使用。 ```python # 将汇总结果保存为 Excel 文件 summary.to_excel('D:\\data\\汇总表.xlsx', index=False) ``` #### 数据清理 在实际操作中，数据可能包含缺失值或异常值，建议在处理前进行数据清理。 ```python # 删除包含 NaN 的行 data_cleaned = data.dropna() ``` #### 示例完整代码 以下是完整的代码示例，涵盖了数据读取、分类、统计、拆分和保存等功能： ```python import pandas as pd # 读取原始数据 file_path = 'D:\\data\\原始数据.xlsx' data = pd.read_excel(file_path) # 数据清理 data_cleaned = data.dropna() # 按类别分组 grouped_data = data_cleaned.groupby('类别') # 统计每类数据的数量 summary = grouped_data.size().reset_index(name='数量') # 保存汇总表 summary.to_excel('D:\\data\\汇总表.xlsx', index=False) # 按类别拆分并保存每个类别的数据 for category, group in grouped_data: file_name = f'D:\\data\\{category}.xlsx' group.to_excel(file_name, index=False) ```