下面是用Python实现简单Excel数据统计的完整实例教程。
环境准备
首先，在开始本教程之前，请确保你已经安装了以下的工具和库：
– Python 3.x
– Pandas 库
– openpyxl 库
准备数据文件
在本示例中，我们将使用一个名为sales.xlsx的Excel文件作为数据源。该文件包含了销售数据，包括以下列：
– Month：销售时间（月份）
– Product：产品类型
– Region：销售区域
– Sales：销售数量
在这个例子中，我们将统计每个月份和每个产品的销售量。
读取Excel文件
首先，我们需要读取Excel文件中的数据。这可以通过使用pandas库中的read_excel函数来轻松实现。具体代码如下：
import pandas as pd
df = pd.read_excel('sales.xlsx')
这将读取Excel文件并将其存储为pandas的数据帧（DataFrame）格式，存储在变量df中。
数据统计
现在，我们可以使用pandas库来统计数据。我们需要按月份和产品对销售数量进行分组，并计算每组的总销售数量。代码如下：
sales_by_month_product = df.groupby(['Month', 'Product']).sum()['Sales']
这将使用groupby函数按照Month和Product两列进行分组，然后使用sum函数计算每组的总销售数量，并将结果存储在sales_by_month_product变量中。
接下来，我们可以按照月份对销售数量进行分组，并计算每月的总销售数量。代码如下：
sales_by_month = df.groupby(['Month']).sum()['Sales']
这将使用groupby函数按照Month列进行分组，使用sum函数计算每组的总销售数量，并将结果存储在sales_by_month变量中。
写入Excel文件
最后，我们将统计结果写入Excel文件中。我们需要使用openpyxl库中的Workbook和Worksheet类来打开工作簿和工作表，并使用pandas库中的to_excel函数将数据帧写入工作表中。代码如下：
from openpyxl import Workbook
# 创建工作簿和工作表
wb = Workbook()
ws = wb.active
# 将数据写入工作表
sales_by_month_product.to_excel(ws, startrow=1, startcol=1)
sales_by_month.to_excel(ws, startrow=1, startcol=5)
# 保存Excel文件
wb.save('sales_summary.xlsx')
这将创建一个名为sales_summary.xlsx的新Excel文件，并将两个数据帧写入工作表中。第一个数据帧（按月份和产品统计）将从第1行第1列开始写入，第二个数据帧（按月份统计）将从第1行第5列开始写入。
示例说明
以下是两个示例，演示了如何使用本教程中的代码来解决具体问题。
示例场景一
小明是一位电商平台的销售人员，他想要统计自己在每个月份中各个类型商品的销售量，以便对自己的业绩做出评估和优化。
为了解决这个问题，小明可以使用本教程中的代码。需要将自己的销售数据导入Excel文件，然后运行本教程中的代码。代码将读取Excel文件，对销售数据进行统计，并将结果写入一个新的Excel文件中。
示例场景二
某电商平台想要分析自己各个类型商品在每个月份中的销售情况，以便对各个业务板块的发展状况作出评估和优化。
为了解决这个问题，平台可以使用本教程中的代码。需要将销售数据导入Excel文件，然后运行本教程中的代码。代码将读取Excel文件，对销售数据进行统计，并将结果写入一个新的Excel文件中。平台可以通过查看Excel文件中的数据，了解各个业务板块的销售情况，并针对该情况采取相应的措施，以推动业务发展。
希望这个示例有助于您了解如何使用Python来进行简单的Excel数据统计。