使用 Pandas 对 Excel 数据进行统计运算实战

 🧾 项目背景

        在日常的数据分析与报表处理中，我们常常需要对 Excel 表格中的数值列进行处理。
例如：

• 求和
• 求平均值
• 添加统计行或列
• 写入新工作表

本文将通过一个完整的 Python 脚本示例，演示如何使用 pandas 对 Excel 文件中的数据进行：

• 行级统计（每行的总分、平均分）
• 列级统计（各列的平均值）
• 新增统计行
• 结果写入原文件的新 sheet 中

📁 数据说明

        假设你有一个名为 测试版表4_1.xlsx 的 Excel 文件，其中包含如下字段：

品牌	投放金额(万元)	交易金额	测试金额1	测试金额2
A品牌	100	200	300	400
B品牌	150	250	350	450
C品牌	120	220	320	420

 

我们的目标是：

• 计算每一行的总分和平均分；
• 计算每一列的平均值；
• 添加一行“小明测试”作为统计汇总行；
• 将结果保存到新的工作表中。

🧪 脚本解析

 1. 导入库并读取数据

import pandas as pd

# 读取Excel文件
brand = pd.read_excel('测试版表4_1.xlsx', sheet_name='Sheet1')

这里我们从 Sheet1 中读取原始数据

2. 定义要参与计算的列名

column_names = ['投放金额(万元)', '交易金额', '测试金额1', '测试金额2']

用于限定只对这四列进行统计运算。

3.  行级统计：求和与平均值

# 求每行的和与平均值
row_sum = brand[column_names].sum(axis=1)
row_mean = brand[column_names].mean(axis=1)

# 添加两列
brand['总分'] = row_sum
brand['平均分'] = row_mean

• axis=1 表示按行操作；
• 总分 和 平均分 是新增的统计列。

4.  列级统计：列平均值

# 求每列的平均值
col_mean = brand[column_names].mean()

# 添加品牌字段
col_mean['品牌'] = '小明测试'

col_mean 是一个 Series，表示每一列的平均值。

5.  将统计行添加进 DataFrame

# 将 col_mean 转换为 DataFrame 并追加到原数据中
brand = brand._append(col_mean, ignore_index=True)

• ignore_index=True 表示重置索引；
• 这样我们就成功地在表格底部添加了一行统计汇总行。

6.  打印最终结果

print(brand)

7. 写入 Excel 文件

# 写入新的sheet
with pd.ExcelWriter('测试版表4_1.xlsx', mode='a', engine='openpyxl') as writer:
    brand.to_excel(writer, sheet_name='处理后的数据', index=False)

• 使用 mode='a' 在原文件中追加内容；
• index=False 防止写入默认的行号。

✅ 示例输出

        运行脚本后，你将在 测试版表4_1.xlsx 中看到新增的 处理后的数据 工作表，内容如下：

品牌	投放金额(万元)	交易金额	测试金额1	测试金额2	总分	平均分
A品牌	100	200	300	400	1000	250
B品牌	150	250	350	450	1200	300
C品牌	120	220	320	420	1080	270
小明测试	123.33	223.33	323.33	423.33	—	—

 

📝 总结

        本文通过一个实际案例，介绍了如何使用 pandas 对 Excel 数据进行：

• 行级统计（求和、求平均）
• 列级统计（列平均值）
• 添加统计行
• 结果写入新工作表

这些操作非常适用于生成财务报表、成绩统计、销售汇总等场景。