为了编写一个能够读取、处理并输出统计信息的Python程序，我们可以借助 `pandas` 这个强大的数据分析库。以下是一个简单的例子，该程序会读取CSV文件中的数据，执行一些基本的统计操作（如求和、平均数），然后保存这些统计数据到新的 CSV 文件中。 ### 步骤 1：安装所需的库 确保你已安装了必要的 Python 包。如果没有，请先安装它们： ```bash pip install pandas openpyxl ``` - `pandas`: 提供高性能的数据结构和数据分析工具。 - `openpyxl`: 支持读写 Excel (.xlsx) 文件。 ### 步骤 2：编写代码 接下来是一段完整的 Python 脚本示例，它可以完成上述任务： ```python import pandas as pd def load_data(file_path): """加载数据""" try: df = pd.read_csv(file_path) print("成功加载数据") return df except Exception as e: print(f"无法加载文件 {file_path}, 错误: {e}") return None def calculate_statistics(df): """计算统计数据""" if df is not None and not df.empty: # 计算每个数字列的基本统计指标 stats_df = df.describe() # 添加其他自定义统计项 (根据需求调整) total_sales = df['销售额'].sum() # 假设有'销售额'这一列 average_cost_per_sale = df['成本'].mean()/df['数量'].mean() custom_stats = { "总计": {"销售额": total_sales}, "每单位平均成本": {"成本/数量": average_cost_per_sale} } for title, stat in custom_stats.items(): temp_df = pd.DataFrame(stat).T.rename(columns={0:title}) stats_df = pd.concat([stats_df,temp_df]) print("统计已完成.") return stats_df else: print("没有有效的数据进行统计.") return None def save_to_excel(stats_df, output_file='statistics.xlsx'): """将结果保存为Excel格式""" writer = pd.ExcelWriter(output_file, engine='openpyxl') if isinstance(stats_df,pd.core.frame.DataFrame): stats_df.to_excel(writer, sheet_name="Statistics", index=True) writer.save() print(f"统计结果已被保存至{output_file}.") else: print("无效的结果集.") if __name__ == "__main__": input_file = 'your_input.csv' # 替换为你的输入csv路径 result = calculate_statistics(load_data(input_file)) save_to_excel(result) ``` 这段脚本做了什么？ 1. **load_data** 函数负责从指定位置加载CSV文件，并将其转换成 Pandas DataFrame。 2. **calculate_statistics** 接收一个 DataFrame 并返回一个新的包含统计摘要的 DataFrame。此函数不仅包括默认提供的统计方法（例如 count, mean 等），还包括两个用户定义的度量：“总销售金额” 和 “每件商品平均成本”。你可以根据自己具体的需求修改这部分逻辑。 3. 最后一步是调用 **save_to_excel**, 将最终的结果导出为 Excel 表格形式以便进一步查看或报告用途。 请注意，在运行前需更改变量 `input_file` 中的文件名为你要分析的实际文件名及其完整路径。