盘点一个Python自动化办公实战问题——统计民主评议表格

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

山映斜阳天接水，芳草无情，更在斜阳外。

大家好，我是皮皮。

一、前言

前几天在Python最强王者交流群【东哥】问了一个Python自动化办公的问题。问题如下所示：大佬们，请教一个Python自动化办公问题，我有7个这样的民主评议表格，现在想通过Python批量的计算每个人最后的平均总分，应该怎么处理呢？

二、实现过程

这个需求还挺有意思的，支部肯定每年都要开一次这样的会议，然后每次都需要专人来进行统计，如果挨个的对打开表格，然后复制、粘贴，汇总到统一的一个表格里边，这个方法未尝不可，但是这个方法就是有点费时费力了，而且非常繁琐。有时候，你可能因为人数太多，或者表格太多，复制的时候，少复制了，或者重复复制了，导致之前的数据有得重新删除，重新来一遍，这个就非常恼火了。这里给大家安利下Python自动化办公，助力你的统计。

这里【瑜亮老师】给了一个指导：批量读取7个表格，每个表格跳过前4行，读取后删除有null值的行，合并7个df，分组聚合取平均值，因为只要每个人的结果，因此不适合用transform。

import pandas as pd
import pathlib
# 获取文件夹中每个Excel文件的路径
folder = r"C:\Users\Desktop\民主评议表"
excel_files = pathlib.Path(folder).glob('*.xls')
header = ['姓名', '以学铸魂', '以学增智', '以学正风', '以学促干']
data = []
for i in excel_files:
    # 读取Excel文件，并跳过前4行，使用前5列数据
    df = pd.read_excel(i, skiprows=4, header=None, index_col=0, usecols="A:F")
    df.dropna(inplace=True)
    df.columns = header
    df['总分'] = df[header[1:]].sum(axis=1)
    df['平均分'] = df[header[1:]].mean(axis=1)*4
    data.append(df)
 
#  纵向拼接data中的df数据
df = pd.concat(data, axis=0).reset_index(drop=True)
#  按照'姓名'列进行分组，并计算每个姓名的总分和平均分
# result = df.groupby('姓名').agg({'总分': 'sum', '平均分': 'mean'}).reset_index().sort_values(by="平均分", ascending=False)
result = df.groupby('姓名', as_index=False).agg(总分=('总分', 'sum'), 平均分=('总分', 'mean')).sort_values(by='平均分', ascending=False)
# result = df.groupby('姓名', as_index=False).agg(总分=('总分', 'sum'), 平均分=('总分', 'mean'))
print(result)
 
# 将结果保存到新的Excel文件中
# result.to_excel('output.xlsx', index=True)

代码运行之后，可以得到预期的结果，顺利地解决了粉丝的问题。

粉丝自己手动也计算出来了，结果和程序跑出来的吻合！

如果你也有类似这种Python相关的小问题，欢迎随时来交流群学习交流哦，有问必答！

【赠书活动】

零基础上手，让你快速精通：ChatGPT注册/登录→基本操作→提示词训练→文章生成→图片生成→视频生成→编写程序→高效办公→设计应用

【一句话推荐】

一本书开启AI高效办公时代，成为AI时代的先行者

【特色】

（1）零基础上手：本书的内容从零开始，力求浅显易懂，不需要额外的背景知识即可学习。

（2）前沿知识：本书力争将前沿的知识点和应用操作介绍给读者，帮助读者掌握新资讯和应用技能。

（3）形式丰富：本书内容除了文字描述，还有图片、表格、代码等多种表达形式，帮助读者更好地理解和掌握内容。

（4）案例丰富：本书通过丰富、翔实的案例和操作，引导读者轻松、快速地完成每项应用的操作。

（5）温馨提示：除了基础内容，每章附带的温馨提示提供了对当前讲解内容的补充和拓展，为读者答疑解惑，让学习者少走弯路。

【内容简介】

本书以人工智能领域最新翘楚“ChatGPT”为例，全面系统地讲解了ChatGPT的相关操作与热门领域的实战应用。

全书共10章，第1章介绍了ChatGPT是什么；第2章介绍了ChatGPT的注册与登录；第3章介绍了ChatGPT的基本操作与提问技巧；第4章介绍了用ChatGPT生成文章；第5章介绍了用ChatGPT生成图片；第6章介绍了用ChatGPT生成视频；第7章介绍了用ChatGPT编写程序；第8章介绍了ChatGPT的办公应用；第9章介绍了ChatGPT的设计应用；第10章介绍了ChatGPT的更多场景应用。

本书面向没有计算机专业背景又希望迅速上手ChatGPT操作应用的用户，也适合有一定的人工智能知识基础且希望快速掌握ChatGPT落地实操应用的读者学习。本书内容系统，案例丰富，浅显易懂，既适合ChatGPT入门的读者学习，也适合作为广大中职、高职、本科院校等相关专业的教材参考用书。

三、总结

大家好，我是皮皮。这篇文章主要盘点了一个Python自动化办公的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。

最后感谢粉丝【东哥】提出的问题，感谢【FiNε_】、【瑜亮老师】给出的思路，感谢【莫生气】等人参与学习交流。

【提问补充】温馨提示，大家在群里提问的时候。可以注意下面几点：如果涉及到大文件数据，可以数据脱敏后，发点demo数据来（小文件的意思），然后贴点代码（可以复制的那种），记得发报错截图（截全）。代码不多的话，直接发代码文字即可，代码超过50行这样的话，发个.py文件就行。

大家在学习过程中如果有遇到问题，欢迎随时联系我解决（Python进阶者微信：2584914241），应粉丝要求，我创建了一些ChatGPT机器人交流群和高质量的Python付费学习交流群和付费接单群，欢迎大家加入我的Python学习交流群和接单群！

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

------------------- End -------------------

往期精彩文章推荐：

• 盘点一个Pandas实现Excel判断写法的问题

• Pandas实现这列股票代码中10-12之间的股票筛出来

• 从5亿行数据中，筛选出重复次数在1000行的数据行，也爆内存了

• Python自动化办公——3个Excel表格中每个门店物品不同，想要汇总在一起（方法五）
  

欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群】

万水千山总是情，点个【在看】行不行

/今日留言主题/

随便说一两句吧~~