### Python在PyCharm中实现Excel数据处理 #### 批量创建工作簿 为了批量创建Excel工作簿，可以使用`openpyxl`库来完成这一任务。以下是具体的代码示例： ```python from openpyxl import Workbook def create_workbooks(file_names): for name in file_names: wb = Workbook() ws = wb.active ws.title = "Sheet1" wb.save(f"{name}.xlsx") file_names = ["Workbook1", "Workbook2", "Workbook3"] create_workbooks(file_names) ``` 此代码片段展示了如何通过循环创建多个Excel文件并保存它们[^1]。 #### 合并多个表格数据 当需要合并来自不同Excel文件中的数据时，可以通过遍历每个文件并将其中的内容追加到一个新的DataFrame对象中。这里推荐使用`pandas`库来进行高效的数据管理与操作。 ```python import pandas as pd def merge_excel_files(file_list, output_file): combined_df = pd.DataFrame() for file in file_list: df = pd.read_excel(file) combined_df = pd.concat([combined_df, df], ignore_index=True) combined_df.to_excel(output_file, index=False) files_to_merge = ['data1.xlsx', 'data2.xlsx'] merge_excel_files(files_to_merge, 'merged_data.xlsx') ``` 这段脚本实现了从列表中的所有Excel文档读取数据，并将其组合成单一的新文件[^2]。 #### 条件筛选记录 对于基于特定条件过滤数据的任务，同样可借助于Pandas的强大功能快速达成目标。 ```python def filter_records(input_file, condition_column, value, result_file): data_frame = pd.read_excel(input_file) filtered_data = data_frame[data_frame[condition_column] == value] filtered_data.to_excel(result_file, index=False) filter_records('source_data.xlsx', 'Category', 'A', 'filtered_results.xlsx') ``` 上述函数接受输入参数定义要应用的筛选标准及其对应的匹配值[^3]。 #### 统计字段出现次数 计算某一列内各唯一项的数量也是常见的需求之一，在这种情况下我们可以再次依赖Pandas所提供的value_counts()方法。 ```python def count_field_occurrences(excel_file, target_column): dataframe = pd.read_excel(excel_file) occurrences = dataframe[target_column].value_counts() return occurrences occurrence_stats = count_field_occurrences('sample_dataset.xlsx', 'Status') print(occurrence_stats) ``` 该部分说明了怎样获取某栏位各个分类下的频次分布情况。 #### 图表绘制 最后一步涉及可视化分析结果的部分，则能够运用Matplotlib或其他绘图工具包制作柱状图、饼图等形式的表现形式。 ```python import matplotlib.pyplot as plt def plot_statistics(stats_series, chart_title="Statistics"): stats_series.plot(kind='bar') plt.title(chart_title) plt.show() plot_statistics(occurrence_stats, "Field Occurrence Counts") ``` 以上介绍了生成条形图的方法作为总结报告的一部分展示给用户查看[^2]。