
2020-07-16
文章转载自:微信公众号 Python的乐趣
作者:一粒米饭
比如像电商行业,每月有上百万条订单发货数据需要与仓库的数据进行核对计算,涉及到数据计算,筛选,匹配等步骤,用excel表超级卡,并且经常卡死。
这时如果你会Python,十几行代码就可以搞定。
这里需要两个Python库,一个是os库,一个是pandas库。
os是Python内置库,不需要额外安装,只要用import导入就可以用了。os模块封装了常见的文件和目录操作,利用它可以轻松的对系统上的目录和文件进行各种操作,比如获取当前目录、列举当前文件夹中的所有文件和文件夹、判断文件或目录是否存在、删除文件等,具体见下图。
pandas是第三方库,需要手动安装才能使用。pandas是专门用来做数据分析的强大类库,可以方便地从csv、Excel和其他文本文件以及数据库中读取数据,然后对数据进行加和、求平均值、求方差、计算最大值最小值等数据分析,支持生成Excel等格式文件或进行可视化操作,函数如下:
其中读Excel需要依赖xlrd库,写Excel依赖openpyxl,pandas、xlrd和openpyxl安装命令如下:
$ pip install xlrd openpyxl pandas
下面开始进行数据处理...
这里假设数据是按日期命名的Excel文件并且放在excel_data文件夹中,每个Excel文件包含用户ID、商品ID、商品属性列表、购买数量这几列信息。
文件夹中的所有文件如下,在linux下用ls命令列举excel_data下所有文件:
$ ls excel_data
结果:
20120702.xlsx 20131018.xlsx 20150203.xlsx 20170416.xlsx 20120703.xlsx 20131019.xlsx 20150204.xlsx 20170417.xlsx 20120704.xlsx 20131020.xlsx 20150205.xlsx 20170418.xlsx 20120705.xlsx 20131021.xlsx 20160101.xlsx 20170419.xlsx ...
实现的思路是利用os库获取所有的Excel文件,然后用pandas依次读取所有文件并合并到一起进行数据,计算出每个商品的总量以及销量前十的商品。
1.列举所有Excel文件
import os files = os.listdir("excel_data")
2.用pandas读取所有数据并合并到一起
import pandas as pd df_list = [pd.read_excel(os.path.join("excel_data", f)) for f in files] data = pd.concat(df_list)
3.统计每个商品的数量
sum_of_product = data[["商品ID", "购买数量"]].groupby(["商品ID"]).sum() sum_of_product
结果
购买数量 商品ID 1662 1 201826 17 203319 67 203320 494 203322 332 ... ... 122680025 21 122680026 8 122690023 16 122692024 48 122696024 5
获取销量前十的商品
sum_of_product.sort_values('购买数量', ascending=False).head(10)
结果:
商品ID 购买数量 50018831 56632 50007016 8291 50011993 6351 50013636 6340 50003700 6325 211122 5823 50010558 5248 50016006 4948 50006602 4692 50002524 4123
完整代码如下:
import os import pandas as pd # 获取所有Excel文件并读取数据 files = os.listdir("excel_data") df_list = [pd.read_excel(os.path.join("excel_data", f)) for f in files] data = pd.concat(df_list) # 统计每个商品的数量,并输出到Excel文件中 sum_of_product = data[["商品ID", "购买数量"]].groupby(["商品ID"]).sum() sum_of_product.to_excel("各个商品数量统计.xlsx") # 统计销量前十的商品 sum_of_product.sort_values('购买数量', ascending=False).head(10)
结果:
商品ID 购买数量 50018831 56632 50007016 8291 50011993 6351 50013636 6340 50003700 6325 211122 5823 50010558 5248 50016006 4948 50006602 4692 50002524 4123
教程就到这里,不足之处欢迎交流指正
完 谢谢观看