Python+Excel数据分析实战：军事体能考核成绩评定(一)项目概况
原创Python+Excel数据分析实战：军事体能考核成绩评定(一)项目概况
原创
一、技术背景
Excel（Microsoft office）是现在最常用的办公软件，主要涉及电子表格制作、数据处理、报表输出展示以及更高端的还有金融建模等；我们知道，在需要批处理多个Excel工作表以及工作簿的时候，需要用到一个自动化的利器：VBA。
如果处理相对简单以及数据量不大，建议使用VBA，如果考虑产品版本控制，数据量过大，数据统计和数据分析这些问题，以及考虑到学习的性价比和技术的价值最大化，学习一门编程语言，是非常有意义的。
那么有哪些编程语言也可以操作Excel呢？
（一）Go语言 ： Excelize
Excelize 是 Go 语言编写的用于操作 Office Excel 文档基础库，基于 ECMA-376，ISO/IEC 29500 国际标准。可以使用它来读取、写入由 Microsoft Excel 2007 及以上版本创建的电子表格文档。支持 XLSX / XLSM / XLTM 等多种文档格式，高度兼容带有样式、图片(表)、透视表、切片器等复杂组件的文档，并提供流式读写 API，用于处理包含大规模数据的工作簿。
Excelize是国人编写的基于Go语言的Excel库，中文文档相对来说更为齐全，同时Go语言是编译型语言，编译后只有1个运行文件，可以方便的拷贝到其他电脑使用，同时不用安装额外的运行时，Go语言还有一个优势就是，速度真的非常快。
缺点：Go语言本身的错误处理真的是太迷了，可以看到每次对象赋值都要声明err,然后判断err != nil；同时在数据结构上，Go语言在对二维表（行列）操作时，也会有一点绕。
结论：Excelize可以说是国内最好的第三方Excel操作库，虽然上手会有一点难度，但是在功能的丰富性和较好的运行性能，还是值得一试的。
（二）Python ： Pandas
Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算），用于数据挖掘和数据分析。 Pandas中有DataFrame和Series两个数据类型，就好像Excel的工作表和数据列（转置后也可以看作：数据行），这就和Excel天生契合。
缺点：Pandas在数据处理上是非常方便的，但在文档外操作，如批量修改工作簿名称，就需要引入os库；同时如果已有Excel文档是带格式(颜色填充、字体设置、单元格合并等)，写入Excel的时候就会破坏掉原来的格式。同时，Python作为脚本语言，如果到其他电脑运行，需要额外安装运行环境。
结论：如果纯粹的处理大批量数据（十万级以上），pandas自带各类聚合函数，让你处理起来得心应手；同时Pandas可以结合matplotlib等第三方绘图库，可以方便的可视化数据，如果你的数据本身可以离开Excel，如数据是从数据库导入Excel，那么也可以直接使用Pandas导入数据库数据，然后在Pandas上进行分析处理；Pandas底层使用numpy，在矩阵运算中具有非常高的性能。
（三）Python ： Openpyxl
openpyxl是一个用于读取/写入Excel2007及以上版本（即xlsx格式）文件的Python库，不论是Excel内的特殊格式，还是单元格处理，都提供了相应的函数，与Excelize近乎相当。
缺点：Openpyxl不像pandas那样，底层使用numpy，所以在运行速度上，其实要比Excelize和pandas要慢（但是还是要比VBA要快一点）；同时也是因为Python作为脚本语言，如果要放到其他电脑运行，需要安装相应的运行环境。
结论：相对来说，Openpyxl与VBA的应用场景重合度会更高一点，处理的思路都是比较相近的；Python在语法上，比VBA要丰富和方便的多，如果需要切换，学习曲线会比较平滑。
（四）Python ： Xlwings
xlwings也是Python操作Excel的第三方库，很大程度上就是补全Pandas的缺点，可以在方便的处理文档本身，如修改工作表名称，将Pandas的数据处理结果调用到Excel原来的文件等。
缺点：在功能上，如文档格式化等相较Excelize和Openpyxl来说，还是有不少功能没有实现。
结论：xlwings更多的是可以作为Pandas的扩展，学习曲线和Openpyxl也比较相似。
其他
其他的还有C#的EPPlus/NPOI，Java的POI，easyExcel；JavaScript的exceljs等，也是不错的Excel操作库，但学习曲线更为陡峭，应用场景也更为复杂。如果有一天，厌倦了VBA，但是又不想使用Go和Python，也是可以去尝试一下的。
本项目实战中，我选择了Python的Openpyxl模块，有一个免费的B站学习资料推荐给大家，我就是学完这个教程后，开发了这个项目。讲解得细致易懂，还可以作为自己的代码参考，感谢UP主路过嘅蒙面超V。
(基础+巩固)小白零基础开始用Python处理Excel数据
二、项目任务
军事体能考核成绩评定是什么玩意呢？
每个人的体能测试有单杠、仰卧起坐、30米x2蛇形跑、3000米跑四个项目，外加体型是否合格（BMI身体质量指数或者PBF体脂百分比），每项原始测试数据，通过不同项目各自规定的标准转换成100分制的分数，最终汇总得出个人的评定成绩，而且能够批量计算。
考虑到大家日常工作中，最常用的就是用Excel登统计原始成绩，所以本项目采用Python+Excel的设计，直接对Excel登统计的所有原始成绩进行处理，得到换算结果，并汇总个人成绩评定。
Excel登统计的原始成绩如下图：
计算结果如下图：
三、项目难点
分性别：“男、女”，不同性别的评分标准不同，甚至考核项目不同；
分年龄：“24岁以下、25~27等”，不同年龄段，评分标准不同；
分类别：“三类、二类、一类”，不同类别，评分标准不同；
分海拔：“2000米以下，2001~2100等”，不同海拔，评分标准不同；
评分标准不规律，不连续，是离散型的设置，查询数据有难度。
以最复杂的高原男子3000米标准为例，海拔2001~2100米为一个标准，不同年龄段标准不同，24岁以下，11分42秒为100分，12分07秒为95分，12分22秒为90分，分数都是相差5分，但时间间隔却是不同的25秒和15秒，不规律。而2101~2200米的标准又有变化，因为海拔2101~3000米时，每增加100米，标准递增8秒。但是原始成绩却是时间段内连续的，比如11分43秒，11分44秒等。
其它的考核项目标准相对简单一点，在后面的文章中具体分析。
四、项目环境
Win7 64位深度操作系统，正式优化版202003：
Microsoft Office专业增强版2016，还没激活：
Python开发工具为PyCharm 2020.1.3社区版本：
PyCharm的项目解释器为Python3.8，安装openpyxl、pyinstaller等包：
后面的文章中，将一步步详细介绍整个开发过程，直至项目完成。目前项目已经完成，在试用当中，敬请期待！
原创不易，有偿下载，请多支持：
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。