### 开发思路 要开发一个能查询多 sheet 页人事基本信息 Excel 文件数据并根据需求生成统计图表的智能体，可从数据读取、数据查询、图表生成三个方面进行。 #### 数据读取 智能体首先需要具备读取 Excel 文件的能力，且要能处理多个 sheet 页。可以使用 Python 的第三方库`pandas`来实现，它能方便地读取 Excel 文件，并将每个 sheet 页的数据加载到不同的数据框中。 #### 数据查询 在读取数据后，智能体要根据用户的查询需求对数据进行筛选和提取。可以通过编写 SQL 语句或使用`pandas`的数据处理方法来实现。例如，根据用户输入的条件（如部门、职位等）筛选出符合条件的人员信息。 #### 图表生成 根据查询结果，智能体需要生成相应的统计图表。可以使用`matplotlib`或`seaborn`等 Python 库来实现。这些库提供了丰富的图表类型，如柱状图、折线图、饼图等，可以根据用户的需求选择合适的图表类型进行展示。 ### 使用工具 以下是开发过程中可以使用的工具和库： - **Python**：作为主要的开发语言，提供了丰富的库和工具，方便进行数据处理和图表生成。 - **pandas**：用于读取和处理 Excel 文件，提供了强大的数据处理功能，如数据筛选、排序、分组等。 - **matplotlib**：用于生成各种类型的统计图表，如柱状图、折线图、饼图等。 - **seaborn**：基于`matplotlib`的高级数据可视化库，提供了更美观的图表样式和更简洁的 API。 ### 代码示例 ```python import pandas as pd import matplotlib.pyplot as plt # 读取 Excel 文件 excel_file = pd.ExcelFile('personnel_info.xlsx') # 获取所有表名 sheet_names = excel_file.sheet_names sheet_names ``` ```python # 遍历不同 sheet 表 for sheet_name in sheet_names: df = excel_file.parse(sheet_name) print(f'sheet表名为{sheet_name}的基本信息：') df.info() # 查看数据集行数和列数 rows, columns = df.shape if rows: # 数据查询示例：筛选出薪资大于 5000 的员工 high_salary_employees = df[df['Salary'] > 5000] print(f'sheet表名为{sheet_name}的薪资大于 5000 的员工信息：') print(high_salary_employees) # 图表生成示例：绘制薪资分布直方图 plt.hist(df['Salary'], bins=10, edgecolor='black') plt.title(f'Salary Distribution in {sheet_name}') plt.xlabel('Salary') plt.ylabel('Frequency') plt.show() ```