如何用 Python 将 Excel 表格转成可视化图形？| 原力计划
作者 | Waao666
责编 | 王晓曼
出品 | CSDN 博客
前言
大家知道，考研很大一部分也是考信息收集能力。每年往往有很多人就是在这上面栽跟头了，不能正确分析各大院校往年的录取信息，进而没能选择合适的报考院校。
至于很多院校的录取信息是以 PDF 形式发布，例如我手上的深大电通录取结果，这就需要我们先把 PDF 转化为 Excel 啦。
(1)PDF
(2)Excel
有了 Excel，那我们就可以为所欲为了！
开始
1. 载入 Excel 表格
#coding=utf8
import xlrd
import numpy as np
from pyecharts.charts import Bar
from pyecharts.charts import Pie, Grid
from pyecharts import options as opts
#==================== 准备数据 ====================
# 导入Excel 文件
data = xlrd.open_workbook("C:/深圳大学电子与信息工程学院2020年电子信息硕士生拟录取名单.xlsx")
# 载入第一个表格
table = data.sheets()[0]
2. 提取 Excel 表格数据
tables = []
def Read_Excel(excel):
# 从第4行开始读取数据，因为这个Excel文件里面从第四行开始才是考生信息
for rows in range(3, excel.nrows-1):
dict_ = {"id":"", "name":"", "status":"", "preliminary_score":"", "retest_score":"", "total_score":"", "ranking":""}
dict_["id"] = table.cell_value(rows, 1)
dict_["name"] = table.cell_value(rows, 2)
dict_["status"] = table.cell_value(rows, 3)
dict_["remarks"] = table.cell_value(rows, 4)
dict_["preliminary_score"] = table.cell_value(rows, 5)
dict_["retest_score"] = table.cell_value(rows, 6)
dict_["total_score"] = table.cell_value(rows, 7)
dict_["ranking"] = table.cell_value(rows, 8)
# 将未被录取或者非普通计划录取的考生滤除
if dict_["status"] == str("拟录取") and dict_["remarks"] == str("普通计划"):
tables.append(dict_)
我们打印一下看看是否正确取出数据：
# 执行上面方法
Read_Excel(table)
for i in tables:
print(i)
可以看到一切顺利。
3. 数据分段统计
这步因人而异，我只是想把各个分数段进行单独统计而已，大家也可以根据自己的喜好做其它的处理。
num_score_300_310 = 0
num_score_310_320 = 0
num_score_320_330 = 0
num_score_330_340 = 0
num_score_340_350 = 0
num_score_350_360 = 0
num_score_360_370 = 0
num_score_370_380 = 0
num_score_380_390 = 0
num_score_390_400 = 0
num_score_400_410 = 0
min_score = 999
max_score = 0
# 将各个分段的数量统计
for i in tables:
score = i["preliminary_score"]
if score > max_score:
max_score = score
if score < min_score:
min_score = score
if score in range(300, 310):
num_score_300_310 = num_score_300_310 + 1
elif score in range(310, 320):
num_score_310_320 = num_score_310_320 + 1
elif score in range(320, 330):
num_score_320_330 = num_score_320_330 + 1
elif score in range(330, 340):
num_score_330_340 = num_score_330_340 + 1
elif score in range(340, 350):
num_score_340_350 = num_score_340_350 + 1
elif score in range(350, 360):
num_score_350_360 = num_score_350_360 + 1
elif score in range(360, 370):
num_score_360_370 = num_score_360_370 + 1
elif score in range(370, 380):
num_score_370_380 = num_score_370_380 + 1
elif score in range(380, 390):
num_score_380_390 = num_score_380_390 + 1
elif score in range(390, 400):
num_score_390_400 = num_score_390_400 + 1
elif score in range(400, 410):
num_score_400_410 = num_score_400_410 + 1
# 构建两个元组用以后期建表方便
bar_x_axis_data = ("300-310", "310-320", "320-330", "330-340", "340-350", "350-360", "360-370", "370-380", "380-390", "390-400", "400-410")
bar_y_axis_data = (num_score_300_310, num_score_310_320, num_score_320_330,\
num_score_330_340, num_score_340_350, num_score_350_360,\
num_score_360_370, num_score_370_380, num_score_380_390,\
num_score_390_400, num_score_400_410)
绘制可视化图形
1、柱状图：
#===================== 柱状图 =====================
# 构建柱状图
c = (
Bar()
.add_xaxis(bar_x_axis_data)
.add_yaxis("录取考生", bar_y_axis_data, color="#af00ff")
.set_global_opts(title_opts=opts.TitleOpts(title="数量"))
.render("C:/录取数据图.html")
)
2、饼图：
#====================== 饼图 ======================
c = (
Pie(init_opts=opts.InitOpts(height="800px", width="1200px"))
.add("录取分数概览",
[list(z) for z in zip(bar_x_axis_data, bar_y_axis_data)],
center=["35%", "38%"],
radius="40%",
label_opts=opts.LabelOpts(
formatter="{b|{b}: }{c} {per|{d}%} ",
rich={
"b": {"fontSize": 16, "lineHeight": 33},
"per": {
"color": "#eee",
"backgroundColor": "#334455",
"padding": [2, 4],
"borderRadius": 2,
},
}
))
.set_global_opts(title_opts=opts.TitleOpts(title="录取", subtitle='Made by 王昊'),
legend_opts=opts.LegendOpts(pos_left="0%", pos_top="65%"))
.render("C:/录取饼图.html")
)
大功告成！！是不是超级直观哈哈！
版权声明：本文为CSDN博主「Waao666」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_40973138/article/details/106190092
【END】
更多精彩推荐
☞Netscape 重构软件倒闭了，但我仍坚定地站重写！
☞研发的未来在哪里？Serverless 云开发来了！
☞张一鸣是如何练就字节跳动的
☞性能超越最新序列推荐模型，华为诺亚方舟提出记忆增强的图神经网络
☞DevOps 在移动应用程序开发中扮演什么角色？
☞稳定币经济：十大稳定币简史
你点的每个“在看”，我都认真当成了喜欢