### Python Pandas 实现 Excel 数据处理与汇总 为了满足需求，可以通过 Python 的 Pandas 库高效地完成以下任务： 1. 设置当前路径以便访问文件。 2. 使用 Pandas 打开 Excel 文件并加载数据。 3. 基于销售人员ID和销售情况进行筛选、计数加总。 4. 将结果生成为一个新的汇总表，并保存回 Excel 中而不覆盖原有内容。 以下是完整的解决方案： --- #### 代码实现 ```python import os import pandas as pd # 设置当前工作目录至脚本所在路径 os.chdir(os.path.dirname(os.path.abspath(__file__))) # 加载原始Excel数据 input_file = 'sales_data.xlsx' # 输入文件名 output_file = 'summary_output.xlsx' # 输出文件名 df_sales = pd.read_excel(input_file, sheet_name='Data') # 创建透视表进行分组统计 pivot_table = pd.pivot_table( df_sales, index=['Salesperson_ID'], # 按照销售人员ID分组 columns=['Status'], # 根据接待/下单状态分类 values=['Quantity'], # 对数量字段进行聚合 aggfunc=sum, # 计算每种状态下的总量 fill_value=0 # 缺失值填充为0 ) # 将透视表重置索引转换成DataFrame格式便于后续操作 result_df = pivot_table.reset_index() # 添加总计列（可选） result_df['Total'] = result_df.sum(axis=1, numeric_only=True)[^8] # 导出结果到新Sheet中且保留原数据不变 with pd.ExcelWriter(output_file, engine='openpyxl', mode='a' if os.path.exists(output_file) else 'w') as writer: result_df.to_excel(writer, sheet_name='Summary', index=False) ``` --- #### 关键点解析 - **设置当前路径**: 使用 `os.chdir()` 方法确保程序能够正确找到目标 Excel 文件的位置[^9]。 - **Pandas 数据框加载**: 调用 `pd.read_excel()` 函数读取指定 Sheet 上的数据形成 DataFrame 结构用于进一步分析[^10]. - **透视表构建**: 利用 `pd.pivot_table()`, 可轻松实现基于多重维度(这里是销售人员ID加上他们的活动类型如接待或者下单)上的复杂统计数据整理功能[^11]. - **追加模式写入**: 当前采用的是 OpenPyXL 引擎配合特定参数设定(`mode='a'`)使得我们能够在已有文档基础上新增而不是简单替换掉旧有内容[^12]. --- #### 注意事项 此方案假设输入的 Excel 文档已经存在名为 "Data" 的工作表包含了所有的基础交易记录；同时也预设了输出将会被存储在同一目录下另一个叫做 summary_output.xlsx 的独立档案当中。如果有特殊定制化的要求比如更改默认行为则需要额外调整相关配置选项。 ---