斑马救援出勤统计代码
内容来源于更早的一篇帖子 http://zhaoqianzhou.com/forum.php?mod=viewthread&tid=261&extra=page%3D6from openpyxl import Workbook #导入Excel模块
wb = Workbook() #创建一个Excel文件
sheet = wb.active #获取当前sheet名称
sheet.title = "第一个sheet" #修改sheet名称
sheet['A1']= "姓名" #在A1 B1单元格输入内容
sheet['B1']= "次数"
import pandas as pd #导入pandas库，读csv用的
pd = pd.read_csv('002.csv',encoding='utf-8') #打开csv文件，读取内容
alllist = '、'.join(pd['参与人员']) #用顿号拼接人员一列
wordlist = list(alllist.split('、')) #转成列表格式，以顿号为识别分割符
print(wordlist) #打印列表格式
wordset = set(wordlist) #去掉重复内容
newlist = [] #创建空列表来存储姓名和次数
for word in wordset:
freq = wordlist.count(word) #计算出现次数
sheet.append() #把内容添加到sheet
newlist.append() #把内容加入空列表
newlist = sorted(newlist,key=lambda k:k,reverse=True)#给列表排序
wb.save( "测试3.xlsx")
print(newlist)
最新积分细则代码，目前处于测试阶段
# 导入excel模块，
from openpyxl import Workbook #导入Excel模块
wb = Workbook() #创建一个Excel文件
sheet = wb.active #获取当前sheet名称
sheet.title = "斑马救援积分明细" #修改sheet名称
sheet['A1']= "姓名" #在A1 B1单元格输入内容
sheet['B1']= "分数"
# 导入pandas库，读取表格
import pandas as pd
#pd = pd.read_csv('002.csv',encoding='utf-8') #打开csv文件，读取内容
pd = pd.read_excel('002.xlsx') #打开excel文件，读取内容
#分别拿出参与人员和出勤类型数据，为创建元组做准备
alllist = ','.join(pd['参与人员']) #用逗号拼接人员一列,此处生成不是列表，是字符串
alllist = list(alllist.split(',')) #把上一步的字符串转成列表格式，以逗号为识别分割符
classlist = '、'.join(pd['出勤类型']) #拼接出勤类型成字符串
classlist = list(classlist.split('、')) #把拼接出来的字符串转成列表
dalist = [] #创建一个空列表存放所有的姓名（重复姓名都在这里边）
b = [] #创建空列表存放去重后的姓名
# 创建元组，让出勤类型和出勤人员一一对应
zidian = zip(classlist,alllist)
# 循环元组内容，判断哪种类型应该积分多少
for i in list(zidian):
if i == '第一类1分':
dalist.append(i.split('、'))
elif i == '第二类2分':
dalist.append(i.split('、')*2)
elif i == '第三类3分':
dalist.append(i.split('、')*3)
#这一步，把大列表里面嵌套的小列表，全部清空，只把姓名拿出来放到一个列表b里
for a in dalist:
b.extend(a)
name = set(b) #人员去重，每个名字只留下一个
newlist = [] #创建空列表来存储姓名和次数
for word in name:
freq = b.count(word) #计算出现次数
sheet.append() #把内容添加到sheet
newlist.append() #把内容加入空列表
newlist = sorted(newlist,key=lambda k:k,reverse=True)#给列表排序
wb.save( "积分明细.xlsx")
print(newlist)
相比于楼上，增加了excel行数的读取，和处理数据的计算，通过对比两个数字，来判断是否全部数据都处理完。
# 导入openpy模块，操作最后一步导出excel
from openpyxl import Workbook #导入Excel模块
wb = Workbook() #创建一个Excel文件
sheet = wb.active #获取当前sheet名称
sheet.title = "斑马救援积分明细" #修改sheet名称
sheet['A1']= "姓名" #在A1 B1单元格输入内容
sheet['B1']= "分数"
# 导入pandas库，读取表格
import pandas as pd
#pd = pd.read_csv('002.csv',encoding='utf-8') #打开csv文件，读取内容
pd = pd.read_excel('全部记录.xlsx') #打开excel文件，读取内容
linesnum = pd.index.stop #excel数据行数
#分别拿出参与人员和出勤类型数据，为创建元组做准备
alllist = ','.join(pd['参与人员']) #用逗号拼接人员一列,此处生成不是列表，是字符串
alllist = list(alllist.split(',')) #把上一步的字符串转成列表格式，以逗号为识别分割符
classlist = '、'.join(pd['积分类型']) #拼接出勤类型成字符串
classlist = list(classlist.split('、')) #把拼接出来的字符串转成列表
x = 0 #储存处理数据的数目
dalist = [] #创建一个空列表存放所有的姓名（重复姓名都在这里边）
b = [] #创建空列表存放去重后的姓名
# 创建元组，让出勤类型和出勤人员一一对应
zidian = zip(classlist,alllist)
# 循环元组内容，判断哪种类型应该积分多少
for i in list(zidian):
if i == '1分':
dalist.append(i.split('、'))
x = x + 1
elif i == '2分':
dalist.append(i.split('、')*2)
x = x + 1
elif i == '3分':
dalist.append(i.split('、')*3)
x = x + 1
else:
print(f'积分类型为{i}的数据有问题')
#这一步，把大列表里面嵌套的小列表，全部清空，只把姓名拿出来放到一个列表b里
for a in dalist:
b.extend(a)
name = set(b) #人员去重，每个名字只留下一个
newlist = [] #创建空列表来存储姓名和次数
for word in name:
freq = b.count(word) #计算出现次数
sheet.append() #把内容添加到sheet
newlist.append() #把内容加入空列表
newlist = sorted(newlist,key=lambda k:k,reverse=True)#给列表排序
#用excel行数对比处理的数据，如果一样就说明全部数据已经处理完，如果不同，就说明有的数据没有处理
if linesnum == x:
print(f'数据处理完毕，共{linesnum}条记录')
print(newlist)
wb.save("积分明细.xlsx")
else:
print(f'共有数据{linesnum}，已经处理{x}条，请排查数据') AI 写的不带积分版本的，好用，先收藏
import csv
from collections import defaultdict
def count_names(csv_file):
# 创建一个默认值为0的字典来存储姓名计数
name_counts = defaultdict(int)
with open(csv_file, mode='r', encoding='gbk') as file:
reader = csv.DictReader(file)
# 检查"人员"列是否存在
if '人员' not in reader.fieldnames:
print(f"错误：CSV文件中没有名为'人员'的列")
return None
for row in reader:
# 获取"人员"列的内容
names_str = row['人员'].strip()
# 如果单元格为空，跳过
if not names_str:
continue
# 用顿号分隔姓名
names =
# 统计每个姓名
for name in names:
name_counts += 1
return dict(name_counts)
# 使用示例
csv_path = '睢县斑马救援记录.csv'# 替换为你的CSV文件路径
result = count_names(csv_path)
if result:
# 按出现次数降序排序并打印结果
sorted_counts = sorted(result.items(), key=lambda x: x, reverse=True)
print("姓名统计结果：")
print("------------------")
print("{:<15} {:<10}".format("姓名", "出现次数"))
for name, count in sorted_counts:
print("{:<15} {:<10}".format(name, count))
if result:
# 保存结果到新的CSV文件
with open('name_counts.csv', mode='w', encoding='utf-8', newline='') as out_file:
writer = csv.writer(out_file)
writer.writerow(['姓名', '出现次数'])
for name, count in sorted(result.items(), key=lambda x: x, reverse=True):
writer.writerow()
print("\n结果已保存到name_counts.csv")
加上时间段的
import csv
from collections import defaultdict
from datetime import datetime
def count_names_with_date_filter(csv_file, date_column, start_date=None, end_date=None, encoding='gbk'):
"""
统计姓名出现次数，并按日期范围筛选
参数:
csv_file: CSV文件路径
date_column: 日期列的列名
start_date: 开始日期(字符串，格式'YYYY-MM-DD')
end_date: 结束日期(字符串，格式'YYYY-MM-DD')
encoding: 文件编码
返回:
姓名计数字典
"""
name_counts = defaultdict(int)
# 转换日期字符串为datetime对象
start_dt = datetime.strptime(start_date, '%Y-%m-%d') if start_date else None
end_dt = datetime.strptime(end_date, '%Y-%m-%d') if end_date else None
try:
with open(csv_file, mode='r', encoding=encoding) as file:
reader = csv.DictReader(file)
# 检查必要的列是否存在
required_columns = ['人员', date_column]
missing_columns =
if missing_columns:
print(f"错误：CSV文件中缺少必要的列: {missing_columns}")
print(f"可用的列有：{reader.fieldnames}")
return None
for row in reader:
# 处理日期
date_str = row.strip()
if not date_str:
continue
try:
row_date = datetime.strptime(date_str, '%Y-%m-%d')
except ValueError:
# 尝试其他常见日期格式
for fmt in ('%Y/%m/%d', '%Y年%m月%d日', '%Y.%m.%d'):
try:
row_date = datetime.strptime(date_str, fmt)
break
except ValueError:
continue
else:
# 所有格式都解析失败，跳过这行
continue
# 日期范围筛选
if start_dt and row_date < start_dt:
continue
if end_dt and row_date > end_dt:
continue
# 处理姓名
names_str = row['人员'].strip()
if not names_str:
continue
# 使用顿号分隔姓名
names =
for name in names:
name_counts += 1
except UnicodeDecodeError:
# 如果当前编码失败，尝试utf-8-sig
print(f"使用{encoding}编码失败，尝试utf-8-sig...")
return count_names_with_date_filter(csv_file, date_column, start_date, end_date, 'utf-8-sig')
return dict(name_counts)
# 使用示例
csv_path = 'your_file.csv'# 替换为你的CSV文件路径
date_column = '日期'# 替换为你的日期列的列名
# 设置日期范围（可选）
start_date = '2023-01-01'# 格式为'YYYY-MM-DD'
end_date = '2023-12-31' # 格式为'YYYY-MM-DD'
result = count_names_with_date_filter(
csv_path,
date_column,
start_date=start_date,
end_date=end_date
)
if result:
sorted_counts = sorted(result.items(), key=lambda x: x, reverse=True)
print(f"姓名统计结果 (日期范围: {start_date or '最早'} 至 {end_date or '最新'}):")
print("------------------")
print("{:<15} {:<10}".format("姓名", "出现次数"))
for name, count in sorted_counts:
print("{:<15} {:<10}".format(name, count))
# 可选：保存结果到CSV
# with open('name_counts_result.csv', 'w', encoding='utf-8-sig', newline='') as f:
# writer = csv.writer(f)
# writer.writerow(['姓名', '出现次数'])
# writer.writerows(sorted_counts)
页:
[1]