(点击上方公众号，可快速关注)html

来源：KillerManA前端

连接：http://www.jianshu.com/p/e792eea5056cjava

最近在用python作数据统计，这里总结了一些最近使用时查找和总结的一些小技巧，但愿能帮助在作这方面时的一些童鞋。有些技巧是很日常的用法，平时咱们没有注意，可是在特定场景，这些小方法仍是能带来很大的帮助。python

1.在字典中将键映射到多个值上面web

{'b':[4,5,6],算法

'a':[1,2,3]}数据库

有时候咱们在统计相同key值的时候，但愿把全部相同key的条目添加到以key为键的一个字典中，而后再进行各类操做，这时候咱们就可使用下面的代码进行操做：微信

from collections importdefaultdict

d=defaultdict(list)

print(d)

d['a'].append(1)

d['a'].append(2)

d['a'].append(3)

d['b'].append(4)

d['b'].append(5)

d['b'].append(6)

print(d)

print(d.get("a"))

print(d.keys())

print([d.get(i)foriind])

这里是使用了collections中的方法，这里面还拥有不少有用的方法，咱们有时间在继续进行深刻了解。

上面代码运行结果：

defaultdict(,{})

defaultdict(,{'b':[4,5,6],'a':[1,2,3]})

[1,2,3]

dict_keys(['b','a'])

[[4,5,6],[1,2,3]]

咱们将数据填入以后，至关于进行快速分组，而后遍历每一个组就能够统计一些咱们须要的数据。

2.迅速转换字典键值对

data={...}

zip(data.values(),data.keys())

data是咱们的格式数据，使用zip后进行快速键值转换，而后可使用max，min之类函数进行数据操做。

3.经过公共键对字典进行排序

from operator import itemgetter

data=[

{'name':"bran","uid":101},

{'name':"xisi","uid":102},

{'name':"land","uid":103}

]

print(sorted(data,key=itemgetter("name")))

print(sorted(data,key=itemgetter("uid")))

数据格式就是data，咱们想要对name或者uid进行排序咱们就是用代码中的方法。

运行结果：

[{'name':'bran','uid':101},{'name':'land','uid':103},{'name':'xisi','uid':102}]

[{'name':'bran','uid':101},{'name':'xisi','uid':102},{'name':'land','uid':103}]

正如咱们指望中的同样

4.对列表中的多个字典根据某一字段进行分组

注意注意，在进行分组前要首先对数据进行排序处理，排序字段根据实际要求来选择

即将处理的数据：

rows=[

{'name':"bran","uid":101,"class":13},

{'name':"xisi","uid":101,"class":11},

{'name':"land","uid":103,"class":10}

]

指望处理结果：

{

101:[{'name':'xisi','class':11,'uid':101},{'name':'bran','class':13,'uid':101}],

103:[{'name':'land','class':10,'uid':103}]

}

咱们按照uid进行分组，这里只是演示，uid通常也不会重复。

这个比较复杂一点，咱们一部一步来分解

some=[('a',[1,2,3]),('b',[4,5,6])]

print(dict(some))

结果：

{'b': [4, 5, 6], 'a': [1, 2, 3]}

这里咱们的目的是将元组转换成字典，这个很简单，应该都能看懂。接着咱们来下一步对待处理数据进行排序：

data_one=sorted(rows,key=itemgetter("class"))

print(data_one)

data_two=sorted(rows,key=lambdax:(x["uid"],x["class"]))

print(data_two)

这里咱们提供两种排序方式原理相同，只是样式稍有区别，第一种data_one是直接使用itemgetter，按照咱们前面使用过得，直接按照某一字段进行排序，但是有时候咱们会有另外一种要求：

先按照某一字段排序，当第一字段重复时，再按照另外一字段排序。

这时咱们就用第二种方法，进行多字段值排序。

排序结果以下：

[{'name':'land','class':10,'uid':103},{'name':'xisi','class':11,'uid':101},{'name':'bran','class':13,'uid':101}]

[{'name':'xisi','class':11,'uid':101},{'name':'bran','class':13,'uid':101},{'name':'land','class':10,'uid':103}]

结果你们慢慢看一下，仍是略有差异。

接下来就进行最后一步了，将咱们刚才讲的两种方式结合起来使用：

data=dict([(g,list(k))forg,kingroupby(data_two,key=lambdax:x["uid"])])

print(data)

咱们对排序好的数据进行分组，而后生成元组列表，最后将其转换成字典，这里大功告成，咱们成功将数据进行分组。

今天这些小技巧在处理一些数据方面仍是颇有帮助的，但愿能帮到在这方面有须要的童鞋~

【今日微信公号推荐↓】

其中推荐了包括技术、设计、极客和 IT相亲相关的热门公众号。技术涵盖：Python、Web前端、Java、安卓、iOS、PHP、C/C++、.NET、Linux、数据库、运维、大数据、算法、IT职场等。点击《值得关注的技术和设计公众号》，发现精彩！

您所在位置：网站首页 > 海量文档

&nbsp>&nbsp办公文档&nbsp>&nbsp统计图表

利用Excel进行数据分组和制作统计图表.doc15页

本文档一共被下载：次,您可全文免费在线阅读后下载本文档。

下载提示

1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。

2.该文档所得收入(下载+内容+预览三)归上传者、原创者。

3.登录后可充值，立即自动返金币，充值渠道很便利

实训指导书

课程名称 统计学

实训班级10财务管理4、10、14班

任课教师 张翠凤

二零一一年十月

实训指导书

实训项目：Excel在统计整理中的应用

实训目的：Excel提供了大量的统计图形供用户根据需要和图形功能选择使用，其中绝大多数是统计图，能够较好地展示数据的分布形态，直观形象地描述现象的数量规律性。通过本实训达到使学生熟练运用Excel图表工具的目的。

实训内容：利用Excel进行数据分组和制作统计图表

实训要求：熟悉Excel的基本功能，掌握利用Excel进行分组与汇总、编制统计表、绘制统计图的基本方法，熟练在计算机上进行操作。

实训方法：机房老师边演示边讲解，学生动手操作。

一、利用Excel进行统计分组、编制次数分布表及绘制统计图的基本思路

(一)输入数据并排序

Excel可以根据用户的要求对数据清单的行或列中的数据进行排序。排序时，Excel将利用指定的排序顺序重新排行、列或各单元格，从而使数据的规则性更加简洁地表现出来。

(二)选择分组形式

根据所学知识，分析数据特点，选择合适的分组形式，确定组距和组限。

(三)进行分组并编制次数分布表

利用Excel的主要功能和工具实现分组，并计算次数、频率等，得到次数分布表的基本结构。

(四)绘制统计图

根据次数分布表的基本结构资料绘制统计图，并根据需要对次数分布表和次数分布图进行调整。各种图的做法大同小异，这里主要以柱形图和饼图为例，介绍制作统计图的工作步骤。

(五)输出结果

将整理好的统计表和统计图按要求格式打印输出。

二、实例说明Excel操作步骤

用Excel进行统计分组、编制次数分布表主要有两种方法：一是利用频数分布函数FREQUENCY；二是利用数据分析中的“直方图”工具。

方法一：频数分布函数是Excel的一个工作表函数，是编制次数分布的主要工具。具体操作方法见教材P24。这里不再细述，同学们按照教材进行练习。

方法二：直方图工具。直方图工具是Excel中进行数据分析的一个常用工具。本指导书主要是就直方图工具的操作使用来说明。

直方图工具的使用要求：直方图工具在“工具”中“数据分析”里，如果Excel初次使用尚未安装数据分析功能，必须依次选择“工具”、“加载宏”，在安装光盘中加载数据“分析工具库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项，里面有“直方图”等多种统计数据分析工具，安装完毕就使用了。如图1、图2、图3所示。

图1 安装加载宏

图2 添加分析工具库选项

图3 数据分析选项

【实训举例1】某车间50名工人加工零件日产量资料如下：

122124129139106134127123118112

117130122125117112134127123119

108131125117122113122123127135

133126122118108137114121128124

111118123126133115139128124121

要求：根据资料编制组距为5的分配数列，编制次数分布表并绘制次数分布直方图。

操作步骤：(本例介绍直方图工具的操作方法)

第一步，数据输入、排序及分组。启动Excel，新建一个工作簿命名为“数据整理1”。在工作表上的(C2：C51)矩形区域内输入50名工人的日产量数据资料，选中数据资料，进行数据排序，并进行分组。将分组情况及各组上限值分别列出。见图1—1。

注意：因为连续式分组中上组限不在内原则，所以这里输入的上限值是非常接近于分组列举的上限值，但不能等于源数据中任何一个数，并将这些值按升序排列。

图1—1 输入50名工人产量数据、分组及各组上限值

第二步，选择“直方图”工具。在工具菜单中单击“数据分析”选项，从其对话框的分析工具列表中选择“直方图”，打开“直方图”对话框，如图1—2所示。

图1—2 工具—数据分析—直方图

第三步，填写“直方图”各项。如图1—3所示。

注意：“直方图”中各项可直接输入，也可将光标放在应填写项目中，然后拖动鼠标选中对应区域，则各项自动填写。

本例中采用输入方法，其中：

输入区域：在此输入待分析数据区域的单元格范围。本例中输入$C$2：$C$51。

接收区域(可选)：在此输入接收区域的单元格范围，该区域应包含一组可选的用来计算频数的边界值，即各分组的上限值。本例中输入$E$2:$E$8，

输出区域：选择输入区域，可以直接选择一个区域，也可以直接输入一个单元格(代表输出区域的左上角)，推荐只输人一个单元格(本例为$E$11)，因为往往事先并不知道具体的输出区域有多大

发表评论

请自觉遵守互联网相关的政策法规，严禁发布色情、暴力、反动的言论。

用户名:

验证码:

匿名?

发表评论

SettleVO类

@Data

@ToStringpublic class SettleVO implementsSerializable {privateLong id;/*** 日期*/

privateString sendDate;/*** 始发中心所在的城市*/

privateString startCityId;/*** 始发城市名称*/

privateString startCityName;/*** 目的城市*/

privateString endCityId;/*** 目的城市名称*/

privateString endCityName;/*** 耗时*/

privateBigDecimal timeConsuming;/*** 机票价格*/

privateDouble ticketPrice;/*** 公里数*/

privateInteger distance;

}

SettleGroupVO类

@Data

@ToStringpublic class SettleGroupVO implementsSerializable {/***耗时*/

privateBigDecimal timeConsuming;/*** 机票价格*/

privateDouble ticketPrice;/*** 公里数*/

privateInteger distance;

}

主函数：public classStaticService {public static voidmain(String[] args) {//制造测试数据

List settleVOList = new ArrayList<>();for (int i = 10; i < 30; i++) {final SettleVO settleVO = newSettleVO();

settleVO.setSendDate("2020-07-" +String.valueOf(i));

settleVO.setStartCityId("100" + (i % 5));

settleVO.setEndCityId("200" + (i % 5));

settleVO.setTicketPrice((double) (i % 5));

settleVO.setTimeConsuming(new BigDecimal(i % 5));

settleVO.setDistance(100 * (i % 5));

settleVOList.add(settleVO);

}//按照维度分组统计

final Map groupVOMap =settleVOList.stream()

.collect(Collectors.groupingBy(n-> getGroupKey(n), Collectors.collectingAndThen(Collectors.toList(), m ->{final Double ticketPrice =m.stream().mapToDouble(SettleVO::getTicketPrice).sum();final BigDecimal timeConsuming = m.stream().map(e ->e.getTimeConsuming()).reduce(BigDecimal::add).get();final Integer distance =m.stream().mapToInt(SettleVO::getDistance).sum();

SettleGroupVO settleGroupVO= newSettleGroupVO();

settleGroupVO.setTicketPrice(ticketPrice);

settleGroupVO.setTimeConsuming(timeConsuming);

settleGroupVO.setDistance(distance);returnsettleGroupVO;

})));

System.out.println("groupByMap=" +groupVOMap.size());

groupVOMap.forEach((k, v)->{

System.out.println(k.toString());

System.out.println(v.toString());

});

}//获取分组维度

private static SettleVO getGroupKey(finalSettleVO vo) {final SettleVO groupKey = newSettleVO();

groupKey.setSendDate(vo.getSendDate());

groupKey.setStartCityId(vo.getStartCityId());

groupKey.setEndCityId(vo.getEndCityId());returngroupKey;

}

}

测试结果：