作者：小小明
简介：Pandas数据处理专家，10余年编码经验，至今已帮助过成千上万名数据从业者解决工作实际遇到的问题，其中数据处理和办公自动化问题涉及的行业包括会计、HR、气象、金融等等，现为菜J学Python核心技术团队成员之一。
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
今夜偏知春气暖，虫声新透绿窗纱。
大家好，我是J哥。
最近遇到一个有点烧脑的需求，其实也不算烧脑，主要是判断条件过多，对于我这种记忆力差，内存小的人来说容易出现内存溢出导致大脑宕机。也可能是因为我还没有找到能减小大脑内存压力的写法。若读者有更好的解决方案，欢迎在本文文末进行留言噢！
后台回复**「降雨」**二字，可领取本文所用数据集和Word模板，便于大家用Python测试。
先看看需求吧：
主要就是要根据左侧的表格自动生成右侧的Word统计报告，实际的各种可能性情况远比图中展示的要更加复杂。
好了，直接开始干代码吧!
1
数据读取
1 2 3import pandas as pd 4 5df = pd.read\_csv("11月份数据.csv", encoding='gbk') 6# 当前统计月份 7month = 11 8df = df.query('月份==@month') 9df.head(10) 10 11 12
预览数据：
2
异常数据过滤
查看缺失值数量：
1 2 3pd.isnull(df).sum() 4 5 6
结果：
1 2 3区域 0 4月份 0 5降雨量(mm) 0 6降雨距平(mm) 1 7观测站 0 8dtype: int64 9 10 11
仅一个缺失值数据，可直接删除：
1 2 3df.dropna(inplace=True) 4 5 6
3
计算观测站降雨量相对往年的变化
计算降雨量比往年高，跟往年比无变化，以及比往年低的次数分别是多少：
1 2 3rainfall\_high = df.eval('\`降雨距平(mm)\` > 0').value\_counts().get(True, 0) 4rainfall\_equal = df.eval('\`降雨距平(mm)\` == 0').value\_counts().get(True, 0) 5rainfall\_low = df.eval('\`降雨距平(mm)\` < 0').value\_counts().get(True, 0) 6print(rainfall\_high, rainfall\_equal, rainfall\_low) 7 8 9
1 2 313 1 18 4 5 6
上面的结果中rainfall_high表示降雨量比往年平均水平高的次数，rainfall_equal表示降雨量比往年平均水平持平的次数，rainfall_low表示降雨量比往年平均水平低的次数。
于是分情况讨论生成第一段的报告：
1 2 3p1 = f"{month}月份" 4if rainfall\_low == 0 or rainfall\_high == 0: 5 if rainfall\_equal != 0: 6 p1 += f"除{rainfall\_equal}个观测站降雨量较往年无变化外，" 7 if rainfall\_high == 0: 8 p1 += f"各气象观测站降雨量较往年均偏低。" 9 elif rainfall\_low == 0: 10 p1 += f"各气象观测站降雨量较往年均偏高。" 11else: 12 # 10%以内差异认为是持平 13 if rainfall\_high > rainfall\_low\*1.1: 14 p1 += f"大部分气象观测站降雨量较往年偏高。" 15 elif rainfall\_low > rainfall\_high\*1.1: 16 p1 += f"大部分气象观测站降雨量较往年偏低。" 17 else: 18 p1 += f"各气象观测站降雨量较往年整体持平。" 19p1 20 21 22
结果：
1 2 3'11月份大部分气象观测站降雨量较往年偏低。' 4 5 6
4
计算各区域降雨量的极值
再生成第二段的报告：
1 2 3p2 = "" 4t = df\['降雨量(mm)'\] 5p2 += f"各区域降雨量在{t.min()}～{t.max()}mm之间，其中{df.loc\[t.argmax(), '区域'\]}区域的降雨量最大，为{t.max()}mm。" 6p2 7 8 9
结果：
1 2 3'各区域降雨量在0.0～16.0mm之间，其中51a45区域的降雨量最大，为16.0mm。' 4 5 6
5
分观测站统计
让我脑袋疼的地方就是从这里的代码开始的，后面还有更复杂的需求就不公布了。
对每个观测站分别统计哪些区域偏高，哪些区域持平，哪些区域偏低：
1 2 3p3s = \[\] 4for station, tmp in df.groupby('观测站'): 5 t = tmp\['降雨量(mm)'\] 6 p3 = f"各区域降雨量在{t.min()}～{t.max()}mm之间，" 7 rainfall\_high\_mask = tmp.eval('\`降雨距平(mm)\` > 0') 8 rainfall\_equal\_mask = tmp.eval('\`降雨距平(mm)\` == 0') 9 rainfall\_low\_mask = tmp.eval('\`降雨距平(mm)\` < 0') 10 11 rainfall\_high = rainfall\_high\_mask.value\_counts().get(True, 0) 12 rainfall\_equal = rainfall\_equal\_mask.value\_counts().get(True, 0) 13 rainfall\_low = rainfall\_low\_mask.value\_counts().get(True, 0) 14# print(rainfall\_high, rainfall\_equal, rainfall\_low) 15 16 if rainfall\_low == 0 or rainfall\_high == 0: 17 if rainfall\_equal != 0: 18 p3 += '除' 19 p3 += '、'.join(tmp.loc\[rainfall\_equal\_mask, '区域'\]+'区域') 20 p3 += "降雨量较往年无变化外，" 21 if rainfall\_high == 0: 22 p3 += f"各区域降雨量均较往年偏低" 23 elif rainfall\_low == 0: 24 p3 += f"各区域降雨量均较往年偏高" 25 t = tmp\['降雨距平(mm)'\].abs() 26 p3 += f"{t.min()}～{t.max()}mm；" 27 else: 28 if rainfall\_equal != 0: 29 p3 += '除' 30 p3 += '、'.join(tmp.loc\[rainfall\_equal\_mask, '区域'\]+'区域') 31 p3 += "降雨量较往年无变化，" 32 # 10%以内差异认为是持平 33 if rainfall\_high > rainfall\_low\*1.1: 34 if rainfall\_equal == 0: 35 p3 += '除' 36 p3 += '、'.join(tmp.loc\[rainfall\_low\_mask, '区域'\]+'区域') 37 p3 += "降雨量较往年偏低" 38 t = tmp.loc\[rainfall\_low\_mask, '降雨距平(mm)'\].abs() 39 if t.shape\[0\] > 1: 40 p3 += f"{t.min()}～{t.max()}mm" 41 else: 42 p3 += f"{t.min()}mm" 43 p3 += "外，" 44 t = tmp.loc\[rainfall\_high\_mask, '降雨距平(mm)'\].abs() 45 p3 += f"其余各区域降雨量较往年偏高{t.min()}～{t.max()}mm；" 46 elif rainfall\_low > rainfall\_high\*1.1: 47 if rainfall\_equal == 0: 48 p3 += '除' 49 p3 += '、'.join(tmp.loc\[rainfall\_high\_mask, '区域'\]+'区域') 50 p3 += "降雨量较往年偏高" 51 t = tmp.loc\[rainfall\_high\_mask, '降雨距平(mm)'\].abs() 52 if t.shape\[0\] > 1: 53 p3 += f"{t.min()}～{t.max()}mm" 54 else: 55 p3 += f"{t.min()}mm" 56 p3 += "外，" 57 t = tmp.loc\[rainfall\_low\_mask, '降雨距平(mm)'\].abs() 58 p3 += f"其余各区域降雨量较往年偏低{t.min()}～{t.max()}mm；" 59 else: 60 if rainfall\_equal != 0: 61 p3 = p3\[:\-1\]+'外，' 62 p3 += f"各区域降雨量较往年偏高和偏低的数量持平，其中" 63 p3 += '、'.join(tmp.loc\[rainfall\_low\_mask, '区域'\]+'区域') 64 p3 += "降雨量较往年偏低" 65 t = tmp.loc\[rainfall\_low\_mask, '降雨距平(mm)'\].abs() 66 if t.shape\[0\] > 1: 67 p3 += f"{t.min()}～{t.max()}mm，" 68 else: 69 p3 += f"{t.min()}mm，" 70 p3 += '、'.join(tmp.loc\[rainfall\_high\_mask, '区域'\]+'区域') 71 p3 += "降雨量较往年偏高" 72 t = tmp.loc\[rainfall\_high\_mask, '降雨距平(mm)'\].abs() 73 if t.shape\[0\] > 1: 74 p3 += f"{t.min()}～{t.max()}mm；" 75 else: 76 p3 += f"{t.min()}mm；" 77 p3s.append(\[station, p3\]) 78p3s\[\-1\]\[\-1\] = p3s\[\-1\]\[\-1\]\[:\-1\]+"。" 79p3s 80 81 82
可能是我还没有想出较好的封装方式导致代码变得这么复杂，如果有巧妙解决这个问题的朋友，希望能够加菜J学Python交流群一起探讨。
6
将组织好的文本写入到word中
Word模板文件docxtemplate.docx的内容：
1 2 3一、{{ month }}月各气象观测站降雨量实况 4（一）降水 5{{ p1 }} 6{{ p2 }} 7{%p for station,p3 in p3s %} 8{{ station }}:{{ p3 }} 9{%p endfor %} 10 11 12
即：
Python渲染代码：
1 2 3from docxtpl import DocxTemplate 4 5tpl = DocxTemplate("docxtemplate.docx") 6context = { 7 'month': month, 8 'p1': p1, 9 'p2': p2, 10 'p3s': p3s, 11} 12tpl.render(context) 13tpl.save("11月降雨量报告.docx") 14 15 16
执行完毕，得到Word统计分析报告：
-------------------********************************** End **********-------------**-----********-**********************************
往期精彩文章推荐：
欢迎各位大佬点击链接加入群聊【helloworld开发者社区】：https://jq.qq.com/?_wv=1027&k=mBlk6nzX进群交流IT技术热点。
本文转自 https://mp.weixin.qq.com/s/oMG7zFZgGN8NahjkkqR13g，如有侵权，请联系删除。