Python数据分析实战：降雨量统计分析报告分析

Bertha 。 2023-01-03 04:46 161阅读 0赞

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于菜J学Python ，作者小小明

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方法。

先看看需求吧：

![Python数据分析实战：降雨量统计分析报告分析][Python]

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**

import pandas as pd
    
    df = pd.read_csv("11月份数据.csv", encoding='gbk')
    # 当前统计月份
    month = 11
    df = df.query('月份==@month')
    df.head(10)

预览数据：

![Python数据分析实战：降雨量统计分析报告分析][Python 1]

2**异常数据过滤**

查看缺失值数量：

pd.isnull(df).sum()

结果：

区域          0
    月份          0
    降雨量(mm)     0
    降雨距平(mm)    1
    观测站         0
    dtype: int64

仅一个缺失值数据，可直接删除：

df.dropna(inplace=True)

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：

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：

p1 = f"{month}月份"
    if rainfall_low == 0 or rainfall_high == 0:
        if rainfall_equal != 0:
            p1 += f"除{rainfall_equal}个观测站降雨量较往年无变化外，"
        if rainfall_high == 0:
            p1 += f"各气象观测站降雨量较往年均偏低。"
        elif rainfall_low == 0:
            p1 += f"各气象观测站降雨量较往年均偏高。"
    else:
        #  10%以内差异认为是持平
        if rainfall_high > rainfall_low*1.1:
            p1 += f"大部分气象观测站降雨量较往年偏高。"
        elif rainfall_low > rainfall_high*1.1:
            p1 += f"大部分气象观测站降雨量较往年偏低。"
        else:
            p1 += f"各气象观测站降雨量较往年整体持平。"
    p1

结果：

'11月份大部分气象观测站降雨量较往年偏低。'

4**计算各区域降雨量的极值**

再生成第二段的报告：

p2 = ""
    t = df['降雨量(mm)']
    p2 += 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。"
    p2

结果：

'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。'

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：

p3s = []
    for station, tmp in df.groupby('观测站'):
        t = tmp['降雨量(mm)']
        p3 = f"各区域降雨量在{t.min()}～{t.max()}mm之间，"
        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, '区域']+'区域')
                p3 += "降雨量较往年无变化外，"
            if rainfall_high == 0:
                p3 += f"各区域降雨量均较往年偏低"
            elif rainfall_low == 0:
                p3 += f"各区域降雨量均较往年偏高"
            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, '区域']+'区域')
                p3 += "降雨量较往年无变化，"
            #  10%以内差异认为是持平
            if rainfall_high > rainfall_low*1.1:
                if rainfall_equal == 0:
                    p3 += '除'
                p3 += '、'.join(tmp.loc[rainfall_low_mask, '区域']+'区域')
                p3 += "降雨量较往年偏低"
                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"其余各区域降雨量较往年偏高{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, '区域']+'区域')
                p3 += "降雨量较往年偏高"
                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"其余各区域降雨量较往年偏低{t.min()}～{t.max()}mm；"
            else:
                if rainfall_equal != 0:
                    p3 = p3[:-1]+'外，'
                p3 += f"各区域降雨量较往年偏高和偏低的数量持平，其中"
                p3 += '、'.join(tmp.loc[rainfall_low_mask, '区域']+'区域')
                p3 += "降雨量较往年偏低"
                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, '区域']+'区域')
                p3 += "降雨量较往年偏高"
                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：

一、{
       { month }}月各气象观测站降雨量实况
    （一）降水
    {
       { p1 }}
    {
       { p2 }}
    {%p for station,p3 in p3s %}
    {
       { station }}:{
       { p3 }}
    {%p endfor %}

即：

![Python数据分析实战：降雨量统计分析报告分析][Python 2]

Python渲染代码：

from docxtpl import DocxTemplate
    
    tpl = DocxTemplate("docxtemplate.docx")
    context = {
        'month': month,
        'p1': p1,
        'p2': p2,
        'p3s': p3s,
    }
    tpl.render(context)
    tpl.save("11月降雨量报告.docx")

执行完毕，得到Word统计分析报告：

![Python数据分析实战：降雨量统计分析报告分析][Python 3]

[Python]: /images/20221119/85554da4437d4cf4beb83347524a0868.png
[Python 1]: /images/20221119/5628f7b542ef4b4f9699f089cb0a6b75.png
[Python 2]: /images/20221119/a8f7bcfcd23843ab90c9c9f989201ce2.png
[Python 3]: /images/20221119/57b6d5f4606e459c9bbc5487c5cf9246.png