Python 玩转 Excel 案例【第 18 期】

📌 案例说明

原始数据表（员工信息表）：

在日常数据分析中，我们经常需要按年龄段对员工进行分组统计，比如：20-25岁有多少人？26-30岁有多少人？

这是数据分析中非常常见的场景：将连续数值（年龄）离散化（分箱），然后统计各区间的人数。

目标任务：

在 Excel 中，这类需求通常使用 VLOOKUP + 辅助列，或者使用 FREQUENCY 数组函数，操作相对繁琐。

本期案例将跟大家一起学习如何用 Python 轻松实现数据分箱 + 分组统计。

核心操作：数据分箱 + 频次统计

• • 关键函数：pd.cut()、value_counts()、sort_index()
• • 核心逻辑：将年龄按区间分组，统计各年龄段人数，同时保留原始数据的分箱结果

📜 完整代码

"""
数据分箱 - 按年龄段分组统计
需求：将年龄按区间分组，统计各段人数
"""
import pandas as pd

# 读取数据
df = pd.read_excel("员工信息.xlsx")

# 定义年龄段区间和标签
bins = [20, 26, 31, 36, 100]
labels = ["20-25岁", "26-30岁", "31-35岁", "36岁及以上"]

# 在原表后面增加新列，写上所在的年龄段
df["年龄段"] = pd.cut(df["年龄"], bins=bins, labels=labels, right=False)

# 统计各年龄段人数
result = df["年龄段"].value_counts().sort_index()

# 保存到新文件
with pd.ExcelWriter("员工信息_统计.xlsx") as writer:
    df.to_excel(writer, sheet_name="员工信息", index=False)
    result.to_excel(writer, sheet_name="年龄段统计")

print("✅ 已完成：")
print(f"\n年龄段统计：")
print(result)

运行结果：

✅ 已完成：

年龄段统计：
年龄段
20-25岁    0
26-30岁    3
31-35岁    1
36岁及以上    4
Name: count, dtype: int64

输出文件（员工信息_统计.xlsx）：

📑 Sheet1 - 员工信息（原表 + 年龄段列）

📑 Sheet2 - 年龄段统计（汇总结果）

第一步：导入所需库

import pandas as pd

代码解释：

• • import pandas as pd
  导入 pandas 库，这是 Python 数据处理的核心武器。它提供了 read_excel() 读取 Excel、DataFrame 数据结构、cut() 数据分箱、value_counts() 频次统计等强大功能。

第二步：读取数据

df = pd.read_excel("员工信息.xlsx")

代码解释：

• • pd.read_excel()
  读取 Excel 文件，返回 DataFrame（数据表格）对象。
• • df
  存储员工信息表，包含姓名、年龄、部门三列。

💡 小贴士：read_excel() 默认读取第一个工作表，如果文件有多个 Sheet，可以用 sheet_name 参数指定，如

pd.read_excel("文件.xlsx", sheet_name="Sheet2")

第三步：核心分箱操作

bins = [20, 26, 31, 36, 100]
labels = ["20-25岁", "26-30岁", "31-35岁", "36岁及以上"]
df["年龄段"] = pd.cut(df["年龄"], bins=bins, labels=labels, right=False)

这三行代码是整期案例的灵魂，实现了将连续年龄值划分到不同年龄段。我们来一步步拆解：

3.1 定义分箱边界 bins

bins = [20, 26, 31, 36, 100]

• • 作用：定义年龄的分段边界
• • 含义：分成 4 个区间：[20,26)、[26,31)、[31,36)、[36,100)

⚠️ 注意：左闭右开 [a, b) 是由 right=False 实现的，不是 pandas 默认行为。默认是左开右闭 (a, b]。

3.2 定义区间标签 labels

labels = ["20-25岁", "26-30岁", "31-35岁", "36岁及以上"]

• • 作用：为每个区间起一个直观的名字
• • 数量要求：labels 的长度必须比 bins 少 1（4 个区间对应 5 个边界）

3.3 pd.cut() 执行分箱

df["年龄段"] = pd.cut(df["年龄"], bins=bins, labels=labels, right=False)

这是 pandas 中用于数据分箱的核心函数，将连续数值离散化。

• • df["年龄"]：要分箱的数据列，本例为年龄列
• • bins：分箱边界，本例为 [20,26,31,36,100]
• • labels：区间标签，本例为 ["20-25岁", "26-30岁", "31-35岁", "36岁及以上"]
• • right：区间是否右闭，本例为 False（左闭右开）

区间规则详解：

为什么选择 right=False？

• • 使用左闭右开 [20,26)：20岁算"20-25岁"，25岁算"20-25岁"，26岁算"26-30岁"
• • 边界清晰，不会重复或遗漏
• • 符合人的直观理解：25岁属于20-25岁，26岁属于26-30岁

执行过程：

💡 小贴士：如果年龄出现 19 岁，会显示为 NaN（空值），因为不在任何区间内。可以根据实际情况调整 bins 的下限，比如改成 [0, 26, 31, 36, 100]。

第四步：统计各年龄段人数

result = df["年龄段"].value_counts().sort_index()

这行代码完成统计 + 排序，是数据分析中非常常用的组合操作。

4.1 .value_counts() - 统计频次

统计每个年龄段出现的次数（人数）。

执行结果：

26-30岁    3
31-35岁    1
36岁及以上    4
Name: count, dtype: int64

⚠️ 注意：20-25岁 没有出现，所以不会显示（0 值默认被省略）。

4.2 .sort_index() - 按标签排序

按年龄段标签排序，而不是按人数排序。

sort_index() 按标签排序：结果是按年龄段名称从小到大排列

26-30岁    3
31-35岁    1
36岁及以上    4

sort_values() 按人数排序：结果是按人数从少到多排列

31-35岁      1
26-30岁      3
36岁及以上    4

对比可见：

• • 需要按年龄段顺序看结果 → 用 sort_index()
• • 需要找出人数最多/最少的年龄段 → 用 sort_values()

为什么用 sort_index()？

• • 输出结果有序、直观，年龄段从小到大排列
• • 符合阅读习惯，便于后续查看和汇报

最终 result 内容：

年龄段
26-30岁      3
31-35岁      1
36岁及以上    4
Name: count, dtype: int64

第五步：保存结果

with pd.ExcelWriter("员工信息_统计.xlsx") as writer:
    df.to_excel(writer, sheet_name="员工信息", index=False)
    result.to_excel(writer, sheet_name="年龄段统计")

5.1 pd.ExcelWriter() - 创建 Excel 写入器

• • 作用：创建一个 Excel 文件写入对象，支持同时写入多个 Sheet
• • with 语句：自动管理资源，写入完成后自动保存关闭

5.2 两个 to_excel() - 写入不同 Sheet

为什么一个加 index=False，一个不加？

• • df（DataFrame）：是一个完整的二维表格，自带的行索引（0,1,2...）没有业务含义，保存到 Excel 时不需要显示
• • result（Series）：索引就是"年龄段"标签，值就是"人数"，两者都需要保留在 Excel 中

如果不加 index=False：

    姓名  年龄  部门     年龄段
0   张三  28  销售部  26-30岁
1   李四  41  技术部  36岁及以上
...

多了一列无意义的数字序号。

如果给 result 加了 index=False：

3
1
4

只显示各个年龄段的人数，看不出哪个数字对应哪个年龄段，完全失去意义。

⚠️ 注意：必须指定不同的 sheet_name，否则后面的 Sheet 会覆盖前面的。

📚 本期核心知识点

📍 知识点 1：pd.cut() 数据分箱

pd.cut(df["年龄"], bins=[20,26,31,36,100], labels=["20-25岁", "26-30岁", "31-35岁", "36岁及以上"], right=False)

其他用法示例：

# 等宽分箱（自动分成4组）
df["年龄分组"] = pd.cut(df["年龄"], bins=4)

# 只分箱不加标签（查看区间范围）
df["年龄区间"] = pd.cut(df["年龄"], bins=[20,30,40,100])

📍 知识点 2：value_counts() + sort_index() 统计排序

result = df["年龄段"].value_counts().sort_index()

记忆口诀：统计次数找 value，排序方式看需求——标签排序用 index，数值排序用 values

📍 知识点 3：pd.ExcelWriter() 多 Sheet 保存

with pd.ExcelWriter("输出文件.xlsx") as writer:
    df1.to_excel(writer, sheet_name="表1", index=False)
    df2.to_excel(writer, sheet_name="表2")

📍 知识点 4：to_excel() 保存文件

df.to_excel("输出文件.xlsx", sheet_name="Sheet1", index=False)

🔄 本案例核心流程

① 读取数据 → ② 定义分箱规则 → ③ cut 分箱 → ④ 统计人数 → ⑤ 保存到两个 Sheet

员工信息.xlsx
      ↓
pd.read_excel()
      ↓
   df (DataFrame)
      ↓
pd.cut(年龄, bins, labels, right=False)
      ↓
df["年龄段"] = 分箱结果
      ↓
value_counts() + sort_index()
      ↓
   result (统计结果)
      ↓
ExcelWriter (多Sheet保存)
      ↓
员工信息_统计.xlsx
├── Sheet1: 员工信息 (原表+年龄段列)
└── Sheet2: 年龄段统计 (汇总表)

📦 资源获取提示

关注「码农自习室」，后台回复关键词 PythonExcel案例，即可获取本文完整代码及配套练习数据集，一起动手掌握高效数据操作的核心技巧！

❤️ 支持我们

如果本文对你有帮助，欢迎点赞 + 关注 + 点亮小红心，你的支持就是我们持续创作的最大动力～