### Python实现Excel bin列数字频率统计 要完成此任务，可以利用 `pandas` 库来读取 Excel 文件，并通过简单的数据处理方法统计 `bin` 列中每个数字的出现次数以及它们占总行数的比例。 以下是完整的解决方案： #### 1. 使用 Pandas 读取 Excel 数据 Pandas 是一个强大的数据分析库，能够轻松加载和操作 Excel 文件中的表格数据。可以通过以下方式读取文件： ```python import pandas as pd # 加载 Excel 文件 file_path = "example.xlsx" # 替换为实际路径 df = pd.read_excel(file_path) # 查看 DataFrame 的前几行以确认结构 print(df.head()) ``` #### 2. 统计 bin 列中每个数字的频次 假设目标列为 `bin`，可使用 `value_counts()` 方法快速获取该列中各唯一值的数量分布。 ```python # 计算 bin 列中每种数值的出现次数 frequency_count = df['bin'].value_counts() # 显示结果 print(frequency_count) ``` 这一步的结果是一个 Series 对象，其中索引表示不同的数字，而对应的值则是这些数字在 `bin` 列中的出现次数[^1]。 #### 3. 将频次转换为比例 为了得到每个数字相对于总行数的比例，需将上述结果除以整个 DataFrame 的长度（即总行数）。 ```python total_rows = len(df) # 总行数 proportions = frequency_count / total_rows # 输出最终结果 print(proportions) ``` 这里计算出来的 proportions 即代表了各个数字在整个数据集中所占百分比[^2]。 #### 4. 结果保存至新表或显示 如果希望把分析后的数据存回一个新的 Excel 表格里，则可以用如下命令导出： ```python result_df = proportions.to_frame(name='Proportion') output_file = 'output_proportions.xlsx' result_df.to_excel(output_file) ``` 以上代码片段展示了如何从头到尾执行这一系列操作——从导入必要的模块开始直到最后写出含有频率信息的新电子表格结束[^3]。 ### 示例完整脚本 下面提供了一个综合性的例子供参考： ```python import pandas as pd def calculate_frequencies(input_filepath, output_filepath): """Calculate frequencies of numbers in the 'bin' column.""" try: # Load data from excel file into a dataframe. df = pd.read_excel(input_filepath) # Count occurrences per unique value within 'bin'. freqs = df['bin'].value_counts() # Compute proportion against overall row count. prop = freqs / len(df) # Convert series back to dataframe and save results. result = prop.reset_index() result.columns = ['Number', 'Frequency'] result.to_excel(output_filepath, index=False) except Exception as e: print(f"Error occurred during processing: {e}") if __name__ == "__main__": input_fp = './data/input_data.xlsx' output_fp = './results/output_frequency_analysis.xlsx' calculate_frequencies(input_fp, output_fp) ```