以下是使用Python处理`sales_data`目录下多个季度Excel文件，计算各产品总销售额并保存的完整、简洁的代码实现。 ### 第一步：导入必要的库 ```python import pandas as pd from pathlib import Path ``` ### 第二步：获取所有Excel文件路径 ```python # 定义数据目录路径 data_dir = Path("sales_data") # 使用glob模式匹配所有.xlsx文件 excel_files = list(data_dir.glob("*.xlsx")) # 打印找到的文件，确认路径正确 print("找到的Excel文件：", [f.name for f in excel_files]) ``` ### 第三步：读取并合并所有Excel文件 ```python # 创建空列表存储每个季度的DataFrame df_list = [] # 遍历每个Excel文件 for file_path in excel_files: # 从文件名提取季度信息（假设文件名为"一季度.xlsx"） quarter = file_path.stem # 获取不带扩展名的文件名 # 读取Excel文件 df = pd.read_excel(file_path) # 添加季度列 df["季度"] = quarter # 将DataFrame添加到列表 df_list.append(df) # 合并所有DataFrame combined_df = pd.concat(df_list, ignore_index=True) # 查看合并后的数据 print("合并后的数据形状：", combined_df.shape) print(combined_df.head()) ``` ### 第四步：计算各产品总销售额 ```python # 计算销售额（销量 × 单价） combined_df["销售额"] = combined_df["销量"] * combined_df["单价"] # 按产品名称分组，计算总销售额 total_sales = combined_df.groupby("产品名称")["销售额"].sum().reset_index() # 重命名列，使其更清晰 total_sales = total_sales.rename(columns={"销售额": "总销售额"}) # 查看计算结果 print("各产品总销售额：") print(total_sales) ``` ### 第五步：保存为CSV文件 ```python # 保存到当前目录 output_file = "总销售额.csv" total_sales.to_csv(output_file, index=False, encoding="utf-8-sig") print(f"结果已保存到：{output_file}") print(f"文件大小：{Path(output_file).stat().st_size} 字节") ``` ### 完整代码整合 ```python import pandas as pd from pathlib import Path # 1. 获取所有Excel文件路径 data_dir = Path("sales_data") excel_files = list(data_dir.glob("*.xlsx")) # 2. 读取并合并所有Excel文件 df_list = [] for file_path in excel_files: quarter = file_path.stem # 从文件名提取季度 df = pd.read_excel(file_path) df["季度"] = quarter df_list.append(df) combined_df = pd.concat(df_list, ignore_index=True) # 3. 计算各产品总销售额 combined_df["销售额"] = combined_df["销量"] * combined_df["单价"] total_sales = combined_df.groupby("产品名称")["销售额"].sum().reset_index() total_sales = total_sales.rename(columns={"销售额": "总销售额"}) # 4. 保存为CSV文件 output_file = "总销售额.csv" total_sales.to_csv(output_file, index=False, encoding="utf-8-sig") print(f"处理完成！共合并 {len(excel_files)} 个文件，{len(total_sales)} 个产品") print(f"结果文件：{output_file}") ``` ### 代码执行效果说明 1. **文件查找**：代码会自动查找`sales_data`目录下所有`.xlsx`文件，无需手动指定文件名[ref_1] 2. **数据合并**：使用`pd.concat()`高效合并多个DataFrame，保持数据结构一致[ref_1] 3. **季度标识**：从文件名自动提取季度信息，无需手动输入 4. **计算逻辑**：先计算每个记录的销售额，再按产品分组汇总，确保计算准确 5. **编码处理**：使用`utf-8-sig`编码保存CSV，避免中文乱码问题[ref_2] ### 扩展功能（可选） 如果需要更详细的分析，可以添加以下代码： ```python # 查看每个季度的销售情况 quarterly_sales = combined_df.groupby(["季度", "产品名称"])["销售额"].sum().unstack() print("分季度销售情况：") print(quarterly_sales) # 保存详细数据（包含季度信息） detailed_file = "详细销售数据.csv" combined_df.to_csv(detailed_file, index=False, encoding="utf-8-sig") print(f"详细数据已保存到：{detailed_file}") ``` ### 注意事项 1. **文件结构**：确保`sales_data`目录与Python脚本在同一目录下 2. **列名一致**：所有Excel文件必须有相同的列名（产品名称、销量、单价） 3. **数据类型**：销量和单价列应为数值类型，否则计算会出错 4. **内存考虑**：如果文件非常大，建议使用`chunksize`参数分块读取[ref_3] 这段代码提供了从文件读取、数据处理到结果保存的完整流程，每步都有明确的操作和输出验证，可以直接复制使用。