本文的文字及圖片來源于網(wǎng)絡(luò),僅供學(xué)習(xí)、交流使用,不具有任何商業(yè)用途,如有問題請及時聯(lián)系我們以作處理。

以下文章來源于菜J學(xué)Python ，作者小小明

最近遇到一個有點燒腦的需求，其實也不算燒腦，主要是判斷條件過多，對于我這種記憶力差，內(nèi)存小的人來說容易出現(xiàn)內(nèi)存溢出導(dǎo)致大腦宕機。也可能是因為我還沒有找到能減小大腦內(nèi)存壓力的方法。

先看看需求吧：

主要就是要根據(jù)左側(cè)的表格自動生成右側(cè)的Word統(tǒng)計報告，實際的各種可能性情況遠比圖中展示的要更加復(fù)雜。

好了，直接開始干代碼吧!

1數(shù)據(jù)讀取

importpandas as pd

df= pd.read_csv("11月份數(shù)據(jù).csv", encoding='gbk')#當(dāng)前統(tǒng)計月份

month = 11df= df.query('月份==@month')

df.head(10)

預(yù)覽數(shù)據(jù)：

2異常數(shù)據(jù)過濾

查看缺失值數(shù)量：

pd.isnull(df).sum()

結(jié)果：

區(qū)域 0

月份 0

降雨量(mm) 0

降雨距平(mm)1觀測站 0

dtype: int64

僅一個缺失值數(shù)據(jù)，可直接刪除：

df.dropna(inplace=True)

3計算觀測站降雨量相對往年的變化

計算降雨量比往年高，跟往年比無變化，以及比往年低的次數(shù)分別是多少：

rainfall_high = df.eval('`降雨距平(mm)` > 0').value_counts().get(True, 0)

rainfall_equal= df.eval('`降雨距平(mm)` == 0').value_counts().get(True, 0)

rainfall_low= df.eval('`降雨距平(mm)` < 0').value_counts().get(True, 0)print(rainfall_high, rainfall_equal, rainfall_low)13 1 18

上面的結(jié)果中rainfall_high表示降雨量比往年平均水平高的次數(shù)，rainfall_equal表示降雨量比往年平均水平持平的次數(shù)，rainfall_low表示降雨量比往年平均水平低的次數(shù)。

于是分情況討論生成第一段的報告：

p1 = f"{month}月份"

if rainfall_low == 0 or rainfall_high ==0:if rainfall_equal !=0:

p1+= f"除{rainfall_equal}個觀測站降雨量較往年無變化外，"

if rainfall_high ==0:

p1+= f"各氣象觀測站降雨量較往年均偏低。"

elif rainfall_low ==0:

p1+= f"各氣象觀測站降雨量較往年均偏高。"

else:#10%以內(nèi)差異認為是持平

if rainfall_high > rainfall_low*1.1:

p1+= f"大部分氣象觀測站降雨量較往年偏高。"

elif rainfall_low > rainfall_high*1.1:

p1+= f"大部分氣象觀測站降雨量較往年偏低。"

else:

p1+= f"各氣象觀測站降雨量較往年整體持平。"p1

結(jié)果：

'11月份大部分氣象觀測站降雨量較往年偏低。'

4計算各區(qū)域降雨量的極值

再生成第二段的報告：

p2 = ""t= df['降雨量(mm)']

p2+= f"各區(qū)域降雨量在{t.min()}～{t.max()}mm之間，其中{df.loc[t.argmax(), '區(qū)域']}區(qū)域的降雨量最大，為{t.max()}mm。"p2

結(jié)果：

'各區(qū)域降雨量在0.0～16.0mm之間，其中51a45區(qū)域的降雨量最大，為16.0mm。'

5分觀測站統(tǒng)計

讓我腦袋疼的地方就是從這里的代碼開始的，后面還有更復(fù)雜的需求就不公布了。

對每個觀測站分別統(tǒng)計哪些區(qū)域偏高，哪些區(qū)域持平，哪些區(qū)域偏低：

p3s =[]for station, tmp in df.groupby('觀測站'):

t= tmp['降雨量(mm)']

p3= f"各區(qū)域降雨量在{t.min()}～{t.max()}mm之間，"rainfall_high_mask= tmp.eval('`降雨距平(mm)` > 0')

rainfall_equal_mask= tmp.eval('`降雨距平(mm)` == 0')

rainfall_low_mask= tmp.eval('`降雨距平(mm)` < 0')

rainfall_high=rainfall_high_mask.value_counts().get(True, 0)

rainfall_equal=rainfall_equal_mask.value_counts().get(True, 0)

rainfall_low=rainfall_low_mask.value_counts().get(True, 0)#print(rainfall_high, rainfall_equal, rainfall_low)

if rainfall_low == 0 or rainfall_high ==0:if rainfall_equal !=0:

p3+= '除'p3+= '、'.join(tmp.loc[rainfall_equal_mask, '區(qū)域']+'區(qū)域')

p3+= "降雨量較往年無變化外，"

if rainfall_high ==0:

p3+= f"各區(qū)域降雨量均較往年偏低"

elif rainfall_low ==0:

p3+= f"各區(qū)域降雨量均較往年偏高"t= tmp['降雨距平(mm)'].abs()

p3+= f"{t.min()}～{t.max()}mm；"

else:if rainfall_equal !=0:

p3+= '除'p3+= '、'.join(tmp.loc[rainfall_equal_mask, '區(qū)域']+'區(qū)域')

p3+= "降雨量較往年無變化，"

#10%以內(nèi)差異認為是持平

if rainfall_high > rainfall_low*1.1:if rainfall_equal ==0:

p3+= '除'p3+= '、'.join(tmp.loc[rainfall_low_mask, '區(qū)域']+'區(qū)域')

p3+= "降雨量較往年偏低"t= tmp.loc[rainfall_low_mask, '降雨距平(mm)'].abs()if t.shape[0] > 1:

p3+= f"{t.min()}～{t.max()}mm"

else:

p3+= f"{t.min()}mm"p3+= "外，"t= tmp.loc[rainfall_high_mask, '降雨距平(mm)'].abs()

p3+= f"其余各區(qū)域降雨量較往年偏高{t.min()}～{t.max()}mm；"

elif rainfall_low > rainfall_high*1.1:if rainfall_equal ==0:

p3+= '除'p3+= '、'.join(tmp.loc[rainfall_high_mask, '區(qū)域']+'區(qū)域')

p3+= "降雨量較往年偏高"t= tmp.loc[rainfall_high_mask, '降雨距平(mm)'].abs()if t.shape[0] > 1:

p3+= f"{t.min()}～{t.max()}mm"

else:

p3+= f"{t.min()}mm"p3+= "外，"t= tmp.loc[rainfall_low_mask, '降雨距平(mm)'].abs()

p3+= f"其余各區(qū)域降雨量較往年偏低{t.min()}～{t.max()}mm；"

else:if rainfall_equal !=0:

p3= p3[:-1]+'外，'p3+= f"各區(qū)域降雨量較往年偏高和偏低的數(shù)量持平，其中"p3+= '、'.join(tmp.loc[rainfall_low_mask, '區(qū)域']+'區(qū)域')

p3+= "降雨量較往年偏低"t= tmp.loc[rainfall_low_mask, '降雨距平(mm)'].abs()if t.shape[0] > 1:

p3+= f"{t.min()}～{t.max()}mm，"

else:

p3+= f"{t.min()}mm，"p3+= '、'.join(tmp.loc[rainfall_high_mask, '區(qū)域']+'區(qū)域')

p3+= "降雨量較往年偏高"t= tmp.loc[rainfall_high_mask, '降雨距平(mm)'].abs()if t.shape[0] > 1:

p3+= f"{t.min()}～{t.max()}mm；"

else:

p3+= f"{t.min()}mm；"p3s.append([station, p3])

p3s[-1][-1] = p3s[-1][-1][:-1]+"。"p3s

可能是我還沒有想出較好的封裝方式導(dǎo)致代碼變得這么復(fù)雜，如果有巧妙解決這個問題的朋友，希望能夠加菜J學(xué)Python交流群一起探討。

6將組織好的文本寫入到word中

Word模板文件docxtemplate.docx的內(nèi)容：

一、{{?month?}}月各氣象觀測站降雨量實況

(一)降水

{{ p1 }}

{{ p2 }}

{%p for station,p3 in p3s %}

{{ station }}:{{ p3 }}

{%p endfor %}

即：

Python渲染代碼：

from docxtpl importDocxTemplate

tpl= DocxTemplate("docxtemplate.docx")

context={'month': month,'p1': p1,'p2': p2,'p3s': p3s,

}

tpl.render(context)

tpl.save("11月降雨量報告.docx")

執(zhí)行完畢，得到Word統(tǒng)計分析報告：

總結(jié)

以上是生活随笔為你收集整理的python实现气象数据分析统计服_Python数据分析实战：降雨量统计分析报告分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。