在Python中，通过读取Excel文件中的某一列，并将具有相同值的元素归为一类进行处理，核心流程是：**读取数据 -> 按列分组 -> 执行操作**。`pandas`库是实现此过程的标准化工具，其`groupby`方法是完成“按相同值归类”操作的基石[ref_1][ref_2][ref_6]。 ### 1. 数据读取：从Excel到DataFrame 首先，需要使用`pandas.read_excel()`函数将Excel数据加载到`DataFrame`中，这是后续所有操作的基础[ref_1][ref_5]。 ```python import pandas as pd # 假设有一个名为‘sales_data.xlsx’的Excel文件，其‘Sheet1’工作表包含销售数据 file_path = ‘sales_data.xlsx’ df = pd.read_excel(file_path, sheet_name=‘Sheet1’) # 读取指定工作表[ref_1] # 查看数据前几行及列名，确认数据结构 print(“读取的Excel数据预览：”) print(df.head()) print(“\n数据列名：”, df.columns.tolist()) # 如果只需读取特定列，可以使用`usecols`参数，提升读取效率[ref_5] # 例如，只读取‘销售员’和‘销售额’两列 df_specific = pd.read_excel(file_path, usecols=[‘销售员’, ‘销售额’]) ``` ### 2. 核心归类操作：`groupby`方法详解 `groupby`实现了“拆分-应用-合并”的范式。它根据指定列的唯一值将数据拆分成多个独立的组（即“归类”），然后可以对每个组进行各种计算[ref_1][ref_3]。 #### 2.1 基础分组与查看 最简单的归类是查看每个类别包含哪些数据。 ```python # 假设我们关注‘部门’列，希望将相同部门的员工归为一类 grouped_by_dept = df.groupby(‘部门’) # 创建一个GroupBy对象，此时并未计算 # 1. 查看分组数量及组名 print(f“共分为 {grouped_by_dept.ngroups} 个部门。”) print(“部门名称列表：”, grouped_by_dept.groups.keys()) # 2. 获取并查看特定部门（如‘技术部’）的所有数据 tech_group = grouped_by_dept.get_group(‘技术部’) print(f“\n‘技术部’的所有员工记录：”) print(tech_group) # 3. 遍历所有分组 print(“\n遍历所有部门分组：”) for dept_name, group_data in df.groupby(‘部门’): print(f”\n部门: {dept_name}, 记录数: {len(group_data)}“) print(group_data) ``` #### 2.2 分组后的聚合计算 归类后最常见的操作是进行聚合统计，例如计算每个类别的总和、平均值、数量等[ref_1][ref_6]。 ```python # 示例数据：包含‘部门’、‘员工’、‘工资’三列 data = { ‘部门’: [‘技术部’, ‘市场部’, ‘技术部’, ‘人事部’, ‘市场部’, ‘技术部’], ‘员工’: [‘张三’, ‘李四’, ‘王五’, ‘赵六’, ‘钱七’, ‘孙八’], ‘工资’: [12000, 8000, 15000, 7000, 9000, 13000] } df_salary = pd.DataFrame(data) # 按‘部门’归类，并计算每个部门的工资总额和平均工资 dept_summary = df_salary.groupby(‘部门’)[‘工资’].agg([(‘总工资’, ‘sum’), (‘平均工资’, ‘mean’), (‘人数’, ‘count’)]) print(“各部门工资汇总（使用agg并重命名列）：”) print(dept_summary) # 使用更简洁的语法 dept_summary_simple = df_salary.groupby(‘部门’)[‘工资’].agg(总工资=‘sum’, 平均工资=‘mean’, 人数=‘count’) print(“\n各部门工资汇总（简洁语法）：”) print(dept_summary_simple) ``` ### 3. 归类后的数据处理与输出 将数据归类后，可以根据业务需求进行不同的处理和输出。 #### 3.1 为原始数据添加分组特征（`transform`） `transform`方法在对数据进行归类计算后，会返回一个与原始数据行数相同的Series，便于为每一行添加基于其所属类别的特征[ref_2][ref_6]。 ```python # 计算每个部门的平均工资，并将该值添加到原数据表的每一行中 df_salary[‘部门平均工资’] = df_salary.groupby(‘部门’)[‘工资’].transform(‘mean’) # 计算每个员工的工资与所在部门平均工资的差值 df_salary[‘与部门均值的差值’] = df_salary[‘工资’] - df_salary[‘部门平均工资’] print(“\n为原始数据添加部门级特征：”) print(df_salary) ``` #### 3.2 将不同类别的数据拆分到独立文件 一个非常实用的场景是，根据归类结果，将不同类别的数据分别保存到独立的Excel或CSV文件中[ref_4][ref_5]。 ```python import os output_directory = ‘./各部门数据/’ os.makedirs(output_directory, exist_ok=True) # 创建输出目录 # 按‘部门’分组，并将每个部门的数据保存为一个独立的Excel文件 for dept_name, group_data in df_salary.groupby(‘部门’): # 构建文件名，例如：技术部_数据.xlsx filename = os.path.join(output_directory, f”{dept_name}_数据.xlsx“) group_data.to_excel(filename, index=False) # index=False表示不保存行索引[ref_1] print(f”已保存: {filename}“) # 或者，将所有部门的数据保存到同一个Excel文件的不同工作表(Sheet)中 with pd.ExcelWriter(‘所有部门数据汇总.xlsx’) as writer: for dept_name, group_data in df_salary.groupby(‘部门’): # 将每个部门的数据写入一个以部门名命名的Sheet group_data.to_excel(writer, sheet_name=dept_name, index=False) print(“\n已将所有部门数据合并保存至 ‘所有部门数据汇总.xlsx’ 的不同Sheet中。”) ``` #### 3.3 基于分组条件筛选数据（`filter`） `filter`方法允许根据整个组的统计属性来筛选数据。例如，只保留那些记录数量大于某个阈值的组。 ```python # 只保留员工人数大于1的部门 filtered_df = df_salary.groupby(‘部门’).filter(lambda x: len(x) > 1) print(“\n筛选出员工人数大于1的部门数据：”) print(filtered_df) ``` ### 4. 复杂归类与统计 #### 4.1 多列组合归类 可以根据多个列的组合进行更精细的归类，这会产生一个多层索引（MultiIndex）[ref_1]。 ```python # 假设数据还有‘年份’列，我们想按‘部门’和‘年份’进行组合归类 data_complex = { ‘部门’: [‘技术部’, ‘技术部’, ‘市场部’, ‘技术部’, ‘市场部’, ‘市场部’], ‘年份’: [2022, 2023, 2022, 2023, 2022, 2023], ‘销售额’: [200, 220, 150, 240, 170, 190] } df_complex = pd.DataFrame(data_complex) # 按‘部门’和‘年份’进行组合归类，并计算每年的部门销售额总和 grouped_multi = df_complex.groupby([‘部门’, ‘年份’])[‘销售额’].sum() print(“按部门和年份组合归类的销售额总和：”) print(grouped_multi) # 这是一个具有两层索引的Series，可以通过 .unstack() 转换为更易读的表格形式 print(“\n使用unstack转换为透视表格式：”) print(grouped_multi.unstack()) ``` #### 4.2 统计每个类别中元素的出现频率 如果归类目的仅仅是统计某一列中每个唯一值出现的次数，`value_counts()`方法是更直接高效的选择[ref_3][ref_4]。 ```python # 直接统计‘部门’列中每个值出现的次数 dept_counts = df_salary[‘部门’].value_counts() print(“\n各部门员工数量统计（使用value_counts）：”) print(dept_counts) print(type(dept_counts)) # <class ‘pandas.core.series.Series’> # 如果需要将结果转换为DataFrame dept_counts_df = dept_counts.reset_index() dept_counts_df.columns = [‘部门’, ‘员工数’] # 重命名列 print(“\n转换为DataFrame：”) print(dept_counts_df) ``` ### 5. 完整工作流示例 以下是一个从读取Excel到完成归类处理并输出的完整示例。 ```python import pandas as pd import os # 步骤1: 读取Excel数据 df = pd.read_excel(‘员工信息.xlsx’) print(“原始数据：”) print(df) # 步骤2: 按‘城市’列进行归类 grouped_by_city = df.groupby(‘城市’) # 步骤3: 对每个城市组进行计算（例如，计算平均年龄和最高薪资） city_stats = df.groupby(‘城市’).agg({ ‘年龄’: ‘mean’, ‘薪资’: [‘max’, ‘min’, ‘count’] }) city_stats.columns = [‘平均年龄’, ‘最高薪资’, ‘最低薪资’, ‘员工数’] # 扁平化列名 print(“\n各城市统计信息：”) print(city_stats) # 步骤4: 将每个城市的数据保存为单独的CSV文件 output_dir = ‘./各城市员工数据/’ os.makedirs(output_dir, exist_ok=True) for city_name, city_group in grouped_by_city: filename = os.path.join(output_dir, f”{city_name}.csv“) city_group.to_csv(filename, index=False, encoding=‘utf-8-sig’) print(f”已生成文件: {filename}“) # 步骤5: (可选) 将汇总统计也保存到Excel with pd.ExcelWriter(‘城市统计汇总.xlsx’) as writer: city_stats.to_excel(writer, sheet_name=‘汇总’) # 也可以将每个城市的详细数据写入不同的Sheet for city_name, city_group in grouped_by_city: city_group.to_excel(writer, sheet_name=city_name[:31], index=False) # Sheet名最多31字符 print(“\n所有处理完成，统计结果已保存至 ‘城市统计汇总.xlsx’。”) ``` 综上所述，Python通过`pandas`库实现“读取Excel一列并按相同值归类”的核心在于`groupby`方法。其标准流程是：使用`pd.read_excel`加载数据[ref_1][ref_5]；使用`df.groupby(‘列名’)`创建分组对象；随后根据需求，选择`agg`进行聚合统计[ref_1][ref_6]、`transform`添加组内特征[ref_2]、`filter`筛选分组、或直接遍历分组以拆分数据至独立文件[ref_4][ref_5]。对于简单的频次统计，`value_counts()`是更便捷的选择[ref_3][ref_4]。