从excel中读取美国人口信息做一个简单的统计

假定你有一张电子表格的数据，来自于 2010 年美国人口普查。你有一个无聊的任 务，要遍历表中的几千行，计算总的人口，以及每个县的普查区的数目（普查区就是一 个地理区域，是为人口普查而定义的）。每行表示一个人口普查区。我们将这个电子表格 文件命名为 censuspopdata.xlsx，它的 内容下图 所示。 尽管 Excel 是要能够计算多个选中单元格的和，你仍然需要选中 3000 个以上县 的单元格。即使手工计算一个县的人口只需要几秒钟，整张电子表格也需要几个小 时时间。

 

 

 

在这个项目中，你要编写一个脚本，从人口普查电子表格文件中读取数据，并 在几秒钟内计算出每个县的统计值。 下面是程序要做的事：

•  从 Excel 电子表格中读取数据。

•  计算每个县中普查区的数目。

•  计算每个县的总人口。

•  打印结果。

这意味着代码需要完成下列任务：

•  用 openpyxl 模块打开 Excel 文档并读取单元格。

•  计算所有普查区和人口数据，将它保存到一个数据结构中。

•  利用 pprint 模块可以把字典转换成字符串，将该数据结构写入一个扩展名为.py的文本文件。 

import openpyxl, pprint

# Read the spreadsheet data
print('Opening workbook')
wb = openpyxl.load_workbook('censuspopdata.xlsx')
sheet = wb.active

countryData = {}

# Fill in countryData with each city's pop and tracts
for row in range(2, sheet.max_row+1):

	# Each row in the spreasheet has data
	state = sheet['B' + str(row)].value
	country = sheet['C' + str(row)].value
	pop = sheet['D' + str(row)].value

	# make sure the key state exists
	countryData.setdefault(state, {})
	# make sure the key for country in state exists
	countryData[state].setdefault(country,{'tracts':0, 'pop':0})
	# Each row represents one census tract, so increment by one
	countryData[state][country]['tracts'] += 1
	# Increase the country pop by the pop in this census tract
	countryData[state][country]['pop'] += int(pop)

# Open a new text file and write the contents fo countryData to it
print('Writing results...')
resultFile = open('census2010.py', 'w')
resultFile.write('allData = ' + pprint.pformat(countryData))

census2010.py中的内如如下所示

 

 为什么使用pprint和生成一个以py结尾的文件呢，因为在另外一个文件中，我们可以直接使用

import census2010

print(census2010.allData["AK"])