Python 处理Excel内的数据（案例介绍*2）

（一）案例一介绍

现在有一匹电商产品跟当日销量的数据，如下，总共有上万笔的数据，现在需要统计每个品牌当日的销售量，比如美宝莲今天总共卖出了多少的商品，另外需要统计每个品牌下面的每个子品类当日销售量（品类可分为口红、睫毛膏、粉底等），比如卡姿兰口红卖了多少、眉笔卖了多少

首先是要做出关键字码表，如下，这些是透过电商常用的产品称呼和观察发现的，需要对商品名称有一定的了解，比如欧莱雅的洁面膏其实就是洗面奶，

后面就是建立一个list，里面包含这些子品类，用这些关键字和品牌名称在商品列表逐一做匹配，比如商品里有“卡姿兰”又有“口红”的，再将符合的商品销售数量累加，输出至excel里，就可以完成统计，代码如下

import xlrd
import xlwt
readbook = xlrd.open_workbook(r'brand.xlsx')
sheet = readbook.sheet_by_index(0)
cols1=sheet.col_values(0)
cols2=sheet.col_values(1)
workbook = xlwt.Workbook(encoding='utf-8')
worksheet = workbook.add_sheet('result')
#建立子品类清单
items = ['眉笔','口红','眉粉','眼线笔','睫毛膏','粉饼','唇彩','散粉','眼影','唇釉','腮红','BB霜','粉底液','卸妆水','隔离霜','面霜','香水']
k = -1
b = 0 #b是记录总数
for item in items:
    a = 0 #a是某个子品类的数目
    array = []
    i = -1
    k = k+1
    for col in cols1:
        i = i + 1
　　　　 if  (item in col) and ('卡姿兰' in col): #商品名称里包含list里面的子品类和卡姿兰
            array.append(i)
    for n in array:
        a = a+ cols2[n]
    print(item)
    print(a)
    b = b+a
    worksheet.write(k,0,item)
    worksheet.write(k,1,a)
worksheet.write(k+1,0,'总数')
worksheet.write(k+1,1,b)
workbook.save('result.xls')  

最后将输出的结果做图展示

 

 

（二）案例二介绍

在一个项目中我们需要对用户的终端机器进行统计，可是接口传回的数据如下图，同样是IPhone却有上万种写法，除了IPhone外，其他的安卓手机像是华为、OPPO、VIVO、小米等都有类似的情况，现在需要将这些分散的数据识别出，并加以统计

 

流程为：

1、用关键字对表内的内容进行查找，将包含关键字的行记录。

2、将包含关键字行第二列的数据进行加成，并且统计

3、输出到新的文档里

 

首先我们需要先制作一个关键字码表，如下图，我们将4大安卓机外的安卓机合计到安卓里面

接着，用xlrd读取excel，用码表内的关键字跟第一列的数据进行匹配，符合匹配的将第二列的数字加总，最后用xlwt输出到excel文件里，实现代码如下

import xlrd
import xlwt
readbook = xlrd.open_workbook(r'phone.xlsx')
sheet = readbook.sheet_by_index(0)
cols1=sheet.col_values(0)
cols2=sheet.col_values(1)
i = -1
a = 0 #记录数目
array = []
keywords = ['iphone', 'iPhone', '苹果', 'Iphone', 'iOS']
for col in cols1:
    i = i + 1
    for word in keywords: #匹配清单内的关键字
        if  word in col:
            array.append(i)
for n in array:
    a = a+ cols2[n]
print(a)
workbook = xlwt.Workbook(encoding='utf-8')
worksheet = workbook.add_sheet('test')
worksheet.write(1,1,a)
workbook.save('phone1.xls')

最后用EXCEL作图，就可以完成用户数据统计

 

转载于:https://www.cnblogs.com/yenpaul/p/10728473.html