ISEE小语
当遇到不如意的时候，请记着王阳明的这句话：“此心光明，亦复何言。”
回顾上篇
Python对Sqlite数据库的增、删、改、查操作，独立封装版
ISEE小栈，公众号：ISEE小栈Python对Sqlite数据库的增、删、改、查操作，独立封装版
开始本篇
Pandas是一个开源的Python数据分析库，提供了高效的数据结构和数据分析工具，使得数据处理变得简单快捷。
本次主要进行一个数据分析实例，并生成一个Word报告文档，是一个办公自动化的小实例。Pandas的简介与使用前面文章有分享，Word文档操作前面文章也有分享。
环境：
Python 3.9.16
PyCharm
安装：
pip install pandas==2.0.3
pip install matplotlib==3.7.1
pip install seaborn==0.13.0
pip install python-docx==1.1.0
导入：
import pandas as pdimport matplotlibimport matplotlib.pyplot as pltimport matplotlib.patches as mpatches
源数据：
https://www.kaggle.com/datasets/henryshan/2023-data-scientists-salary如果无法下载，文章后也会附源数据csv文件。
第一：查看源数据
读取ds_salaries.csv中的数据，验证数据以确认读取无误
# 读取CSV文件df = pd.read_csv('ds_salaries.csv')# 显示数据以确认读取无误print(df)
（左右滑动查看完整代码）
第二：数据统计
统计方式：
统计2020年至2023年的数据，根据经验水平分别统计每年每个水平级别的薪资总额和计数。
涉及字段：
work_year：年份 experience_level：经验水平级别 salary：薪资
我们以2020年的数据为例。
首先，筛选出2020年的数据
df_ = df[df['work_year'] == 2020]（左右滑动查看完整代码）
根据experience_level分组，并计算薪资总额和计数
result_df = df_.groupby(['experience_level']).agg(salary=('salary', 'sum'),count=('salary', 'count')).reset_index()result_df['work_year'] = 2020# 重新排序列以符合所需的输出格式result_df = result_df[['work_year', 'experience_level', 'salary', 'count']]print(result_df)
（左右滑动查看完整代码）
第三：生成分析图
按水平级别和薪资总额生成柱状图
# 设置风格plt.style.use('ggplot')# 使用plot()方法绘制块形图ax = result_df.plot(x='experience_level', y='salary', kind='bar',color=['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728'],edgecolor='black',figsize=(9, 6))# 显示数据标签for p in ax.patches:ax.annotate(f"{p.get_height():,.0f}",(p.get_x() + p.get_width() / 2., p.get_height()),ha='center', va='center',xytext=(0, 5), textcoords='offset points')# 设置图形标题和坐标轴标签ax.set_title('2020年的数据统计工资总额', fontsize=16, fontweight='bold')ax.set_xlabel('工作经验水平', fontsize=12, fontweight='bold')ax.set_ylabel('薪资总额（美元）', fontsize=12, fontweight='bold')# 设置坐标轴的刻度标签的字体大小ax.tick_params(axis='both', which='major', labelsize=10)# 添加网格ax.grid(True, which='both', axis='y', linestyle='--', linewidth=0.5)# 确保网格在条形后面ax.set_axisbelow(True)# 旋转x轴刻度标签plt.xticks(rotation=45)legend_colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']legend_labels = result_df['experience_level'].values.tolist()patches = [mpatches.Patch(color=legend_colors[i], label=legend_labels[i]) for i in range(len(legend_labels))]ax.legend(handles=patches, fontsize=10)# 调整布局以适应图形plt.tight_layout()# 显示图形plt.show()
（左右滑动查看完整代码）
结果：
按水平级别和其计数生成饼状图
# 动态创建explode数组explode = (0.1,) + (0,) * (len(result_df['experience_level']) - 1) # 凸显第一块# 定义颜色数组colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']# 使用matplotlib生成饼图plt.figure(figsize=(8, 6))plt.pie(result_df['count'],labels=result_df['experience_level'],autopct='%1.1f%%',startangle=140,colors=colors,explode=explode,shadow=True,wedgeprops={'edgecolor': 'black'})plt.legend(result_df.experience_level, loc='best')plt.title(f'2020年经验水平级别占比')# 确保饼图是圆形plt.axis('equal')plt.show()
（左右滑动查看完整代码）
结果：
以上2020年统计分析就完成了，那么就按部就班的将2021-2023年的统计分析也做出来。代码一样这里不再重复描述了。
接下来就将分析内容写入Word！
第四：生成报告
报告生成是以Word的形式，将2020-2023年的统计写入Word中。由于以前文章分享过【python对Word文档内容的增、删、改、查操作】，现在我们将直接调用写入的方法即可。
python对Word文档内容的增、删、改、查操作，独立封装版
九月de云，公众号：九月de云python对Word文档内容的增、删、改、查操作，独立封装版
写入Word的方法：
# -*- coding: utf-8 -*-from docx import Document, sharedfrom docx.enum.text import WD_ALIGN_PARAGRAPHclass DocTools:def __init__(self, filename):self.document_name = f'{filename}.docx'def open_document(self):document = Document(self.document_name)return documentdef save_document(self, document):document.save(self.document_name)def create(self):"""创建一个新的Word空文档:return:"""document = Document()document.styles['Normal'].font.name = 'SimSun'self.save_document(document)return f"Word文档{self.document_name}创建成功！"def insert_title(self, title, level=1, size=18):document = self.open_documenttitle_ = document.add_heading(title, level=level)# 设置样式title_.style.font.size = shared.Pt(size)title_.style.font.bold = Truetitle_.style.font.shadow = True# 将标题居中title_.alignment = WD_ALIGN_PARAGRAPH.CENTERself.save_document(document)return f"标题【{title}】添加成功"def insert(self, content):document = self.open_documentparagraph = document.add_paragraph()paragraph.add_run(content)# 首行缩进两个字符paragraph_format = paragraph.paragraph_formatparagraph_format.first_line_indent = shared.Inches(0.2)# 设置行间距为1.5paragraph_format.line_spacing = 1.5self.save_document(document)return "段落内容插入成功"def insert_blank_line(self):document = self.open_documentdocument.add_paragraph()self.save_document(document)def insert_img(self, image):from docx.shared import Inchesdocument = self.open_documentdocument.add_picture(image, width=Inches(5), height=Inches(3))last_ = document.paragraphs[-1]last_.alignment = WD_ALIGN_PARAGRAPH.CENTERself.save_document(document)return f"图片{image}插入成功"
（左右滑动查看完整代码）
最后生成报告：
work_year = 2020df = get_data(work_year)bar_plot(df, work_year)pie_plot(df, work_year)dtl = DocTools('report')dtl.create()dtl.insert_title('数据科学家工资报告')dtl.insert_blank_line()dtl.insert('2020年各经验水平级别的总薪资')dtl.insert_img(f'{work_year}_bar.png')dtl.insert_blank_line()dtl.insert('2020年各经验水平总数占比')dtl.insert_img(f'{work_year}_pie.png')dtl.insert_blank_line()print('生成完成')
（左右滑动查看完整代码）
效果如下：
第五：优化扩展
以上只是将2020年度的数据分析及生成报告，我们最终需要的是将2020年-2023年这四个年度的都统计出来。
将生成的柱状图和饼状图的方法进行封装一下，避免做重复的工作，再分别统计出各年度的数据，这样能更高效率的工作。
一键操作，最终生成一份较完整的报告。
代码较多，就不贴了，有兴趣可以看源码。最终效果如下：
这里举例了两种分析图的样式，在实际使用中可以加以丰富，前期分享的【Pandas数据分析，生成10种必备的可视化分析图】方便参考！
Pandas数据分析，生成10种必备的可视化分析图
ISEE小栈，公众号：ISEE小栈Pandas数据分析，生成10种必备的可视化分析图，详细独立版
第六：总结
数据分析自动化办公事倍功半，能有效的提高效率。这里分享的只是冰山一角，数据领域大千世界，需要坚持不懈的探索。
小栈整理源码，方便使用：
有需求的朋友可自取哟
获取：后台回复"report_to_word"即可！
文章就分享到这儿，喜欢就点个赞吧!
