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，可以从 http://nostarch.com/automatestuff/下载它。它的 内容如图 12-2 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，将该数据结构写入一个扩展名为.py的文本文件。
读取电子表格数据
censuspopdata.xlsx 电子表格中只有一张表，名为'Population by Census Tract'。每 一行都保存了一个普查区的数据。列分别是普查区的编号（A），州的简称（B）， 县 的名称（C），普查区的人口（D）。 打开一个新的文件编辑器窗口，输入以下代码。将文件保存为readCensusExcel.py。
#! python3
# readCensusExcel.py - Tabulates population and number of census tracts for
# each county.
import openpyxl, pprint
print('Opening workbook...')
wb = openpyxl.load_workbook('censuspopdata.xlsx')
sheet = wb['Population by Census Tract']
county = {}
# TODO: Fill in countyData with each county's population and tracts.
print('Reading rows...')
for row in range(2, sheet.max_row + 1):
# Each row in the spreadsheet has data for one census tract.
State = sheet['B' + str(row)].value
county = sheet['C' + str(row)].value
pop = sheet['D' + str(row)].value
# TODO: Open a new text file and write the contents of countyData to it.这段代码导入了 openpyxl 模块，也导入了 pprint 模块，你用后者来打印最终的 县的数据。然后代码打开了 censuspopdata.xlsx 文件，取得了包含人口普查数据 的工作表，开始迭代它的行。 请注意，你也创建了一个 countyData 变量，它将包含你计算的每个县的人口和 普查区数目。但在它里面存储任何东西之前，你应该确定它内部的数据结构。
填充数据结构
保存在 countyData 中的数据结构将是一个字典，以州的简称作为键。每个州的 简称将映射到另一个字典，其中的键是该州的县的名称。每个县的名称又映射到一 个字典，该字典只有两个键，'tracts'和'pop'。这些键映射到普查区数目和该县的人口。 例如，该字典可能类似于：
{'AK': {'Aleutians East': {'pop': 3141, 'tracts': 1},
'Aleutians West': {'pop': 5561, 'tracts': 2},
'Anchorage': {'pop': 291826, 'tracts': 55},
'Bethel': {'pop': 17013, 'tracts': 3},
'Bristol Bay': {'pop': 997, 'tracts': 1},
--snip-- 如果前面的字典保存在 countyData 中，下面的表达式求值结果如下：
>>> countyData['AK']['Anchorage']['pop']
291826
>>> countyData['AK']['Anchorage']['tracts']
55
一般来说，countyData 字典中的键看起来像这样：
countyData[state abbrev][county]['tracts']
countyData[state abbrev][county]['pop'] 既然知道了 countyData 的结构，就可以编写代码，用县的数据填充它。将下面 的代码添加到程序的末尾：
#! python3
# readCensusExcel.py - Tabulates population and number of census tracts for
# each county.
--snip--
# TODO: Fill in countyData with each county's population and tracts.
print('Reading rows...')
for row in range(2, sheet.max_row + 1):
# Each row in the spreadsheet has data for one census tract.
state = sheet['B' + str(row)].value
county = sheet['C' + str(row)].value
pop = sheet['D' + str(row)].value
# Make sure the key for this state exists.
countyData.setdefault(state, {})
# Make sure the key for this county in this state exists.
countyData[state].setdefault(county, {'tracts': 0, 'pop': 0})
# Each row represents one census tract, so increment by one.
countyData[state][county]['tracts'] += 1
# Increase the county pop by the pop in this census tract.
countyData[state][county]['pop'] += int(pop)
# TODO: Open a new text file and write the contents of countyData to it.最后的两行代码执行实际的计算工作，在 for 循环的每次迭代中，针对当前的 县，增加 tracts 的值，并增加 pop 的值。 其他代码存在是因为，只有 countyData 中存在的键，你才能引用它的值。（也 就是说，如果'AK'键不存在，countyData['AK']['Anchorage']['tracts'] += 1 将导致一个 错误）。为了确保州简称的键存在，你需要调用 setdefault()方法，在 state 还不存在 时设置一个默认值。 正如 countyData 字典需要一个字典作为每个州缩写的值，这样的字典又需要一 个字典，作为每个县的键的值。这样的每个字典又需要键'tracts'和'pop'，它们的初 始值为整数 0（如果这个字典的结构令你混淆，回去看看本节开始处字典的例子）。 如果键已经存在，setdefault()不会做任何事情，因此在 for 循环的每次迭代中调 用它不会有问题。
将结果写入文件
for 循环结束后，countyData 字典将包含所有的人口和普查区信息，以县和州为 键。这时，你可以编写更多代码，将数据写入文本文件或另一个 Excel 电子表格。 目前，我们只是使用 pprint.pformat()函数，将变量字典的值作为一个巨大的字符串， 写入文件 census2010.py。在程序的末尾加上以下代码（确保它没有缩进，这样它就 在 for 循环之外）：
#! python3
# readCensusExcel.py - Tabulates population and number of census tracts for
# each county.
--snip--
for row in range(2, sheet.max_row + 1):
--sinp--
# Open a new text file and write the contents of countyData to it.
print('Writing results...')
resultFile = open('census2010.py', 'w')
resultFile.write('allData = ' + pprint.pformat(countyData))
resultFile.close()
print('Done.')pprint.pformat()函数产生一个字符串，它本身就是格式化好的、有效的 Python 代码。将它输出到文本文件 census2010.py，你就通过 Python 程序生成了一个 Python 程序！这可能看起来有点复杂，但好处是你现在可以导入 census2010.py，就像任何其他 Python 模块一样。在交互式环境中，将当前工作目录变更到新创建的文件所在的 文件夹（在我的笔记本上，就是 C:\Python34），然后导入它：
>>> import os
>>> os.chdir('C:\\Python34')
>>> import census2010
>>> census2010.allData['AK']['Anchorage']
{'pop': 291826, 'tracts': 55}
>>> anchoragePop = census2010.allData['AK']['Anchorage']['pop']
>>> print('The 2010 population of Anchorage was ' + str(anchoragePop))
The 2010 population of Anchorage was 291826 readCensusExcel.py程序是可以扔掉的代码：当你把它的结果保存为census2010.py 之后，就不需要再次运行该程序了。任何时候，只要需要县的数据，就可以执行 import census2010。 手工计算这些数据可能需要数小时，这个程序只要几秒钟。利用 OpenPyXL，可 以毫无困难地提取保存在 Excel 电子表格中的信息，并对它进行计算。从 http://nostarch. com/automatestuff/可以下载这个完整的程序。
类似程序的思想
许多公司和组织机构使用 Excel 来保存各种类型的数据，电子表格会变得庞大，这 并不少见。解析 Excel 电子表格的程序都有类似的结构：它加载电子表格文件，准备一 些变量或数据结构，然后循环遍历电子表格中的每一行。这样的程序可以做下列事情： • 比较一个电子表格中多行的数据。
• 打开多个 Excel 文件，跨电子表格比较数据。
• 检查电子表格是否有空行或无效的数据，如果有就警告。
• 从电子表格中读取数据，将它作为 Python 程序的输入。
完整代码：
#! python3
# readCensusExcel.py - Tabulates population and number of census tracts for
# each county.
import openpyxl, pprint
print('Opening workbook...')
wb = openpyxl.load_workbook('censuspopdata.xlsx')
sheet = wb['Population by Census Tract']
countyData = {}
# TODO: Fill in countyData with each county's population and tracts.
print('Reading rows...')
for row in range(2, sheet.max_row + 1):
# Each row in the spreadsheet has data for one census tract.
state = sheet['B' + str(row)].value
county = sheet['C' + str(row)].value
pop = sheet['D' + str(row)].value
# Make sure the key for this state exists.
countyData.setdefault(state, {})
# Make sure the key for this county in this state exists.
countyData[state].setdefault(county, {'tracts': 0, 'pop': 0})
# Each row represents one census tract, so increment by one.
countyData[state][county]['tracts'] += 1
# Increase the county pop by the pop in this census tract.
countyData[state][county]['pop'] += int(pop)
# Open a new text file and write the contents of countyData to it.
print('Writing results...')
resultFile = open('census2010.py', 'w')
resultFile.write('allData = ' + pprint.pformat(countyData))
resultFile.close()
print('Done.')