Declaración: Los proyectos optimizados son cada vez más difíciles de hacer. Utilice los asistentes de herramientas de Python para optimizar proyectos y reducir el trabajo repetitivo. ¡Reduzca las horas extras! ¡Espero que los estudiantes relacionados con la comunicación intercambien y estudien juntos! Acabo de empezar a aprender, por favor, gracias por no conocer el lugar.
La perspectiva de Excel se usa mucho en el trabajo de optimización de redes, estadísticas de indicadores, estadísticas de parámetros, etc. Por lo tanto, hoy busqué específicamente programas de Python relacionados con la perspectiva en Internet. De hecho, es más conveniente encontrarlo.
1. Esta vez, utilicé el proyecto de red en vivo para la operación de prueba. Los paquetes principales utilizados son pandas y numpy. Estos dos paquetes todavía se utilizan para la optimización.
1). NumPy (Numerical Python) es una biblioteca de extensión del lenguaje Python, admite una gran cantidad de operaciones de matriz y matriz dimensional, y también proporciona una gran cantidad de bibliotecas de funciones matemáticas para operaciones de matriz. ·
2) .Pandas (el análisis de datos de la Biblioteca de Python) Numpy acumulación basada, permitir que las aplicaciones basadas numpy más fácil, que es ampliamente utilizado en la industria financiera, herramientas de análisis de datos populares,
interesados en dos paquetes puede ir en línea para encontrar, esta pandas Principalmente usado para leer Excel y perspectiva en Excel, numpy se usa para construir funciones.
# -*- coding: utf-8 -*
import pandas as pd
import numpy as np
def prov():
df = pd.read_excel('拆分后.xlsx',sheet_name='总表')
data = df.head()
print("获取前5行数据：\n", format(data))
# res = pd.pivot_table(df,index=['区/镇','场景'],values=['PCI','GroudHeight'],columns=["基站状态"],aggfunc=[np.mean],fill_value='空',margins=True)
res = pd.pivot_table(df, index=['区/镇', '场景'], values=['PCI', 'GroudHeight'], columns=["基站状态"], aggfunc={'PCI':np.amax,'GroudHeight':np.mean},fill_value='空', margins=True)
print(res)
ss = res.query('场景 == ["市区"]')
print(ss)
ff=prov()
El código clave se explica en detalle:
1. Lea excel
df = pd.read_excel ('después de dividir.xlsx', sheet_name = 'total table')
, función read_excel (), sin agregar sheet_name, la primera hoja predeterminada, sheet_name define lectura Qué hoja puede ser el nombre o el número de la hoja.
2. La parte pivote, la parte clave
La función utilizada es pivot_table (), como se muestra en el siguiente ejemplo
1. El primer parámetro es df, que es la tabla leída anteriormente;
2. El índice del segundo parámetro es la columna de la tabla pivote. Para las filas de perspectiva de Excel.
3. El tercer parámetro, valores, es el valor que debe calcularse para la perspectiva de Excel.
4. La columna de la columna del cuarto parámetro muestra que sin cálculo, la columna de Excel correspondiente.
5. El quinto parámetro aggfunc es el método de cálculo del parámetro de valores, la función en el paquete numpy llamado en el ejemplo. Se pueden calcular varios valores por separado
6. El sexto parámetro, fill_value, completa el valor en blanco en el resultado de la perspectiva.
7.margins = True es equivalente a la suma de resultados de perspectiva de Excel.
res = pd.pivot_table (df, index = ['Distrito / Ciudad', 'Escena'], valores = ['PCI', 'GroudHeight'], columnas = ["Estado de la estación base"], aggfunc = {'PCI': np.amax, 'GroudHeight': np.mean}, fill_value = 'empty', margins = True)
3. La función query () es filtrar los resultados de la perspectiva y los valores.
ss = res.query ('escena == ["urbano"]')
Ahora tengo un problema, cómo escribir el resultado de salida para sobresalir. Todo el mundo sabe decirme gracias!
