在工作中，不仅要做excel表格，而且还要做word文字。使用python可以轻松地将excel内容总结成文字，并自动写入word中。
之前，我们抓取了网上科幻电影排行榜数据，并写入到excel中。今天则通过pandas库对excel表格数据进行分析、总结，自动形成文字材料。
import pandas as pd
import os
from win32com.client import Dispatch
"""
1.按地区分类，统计拍摄电影最多的国家
2.按演员分类，统计参演电影最多的演员
3.按上映时间分类，统计拍摄电影最多的年份
"""
# 将输入的字典或列表，拼接为一段字符串文字
def transform_to_word(input: dict or list, middle_str: str = '', end_str: str = '部') -> str:
'''
:param input: 比如：input=[('美国', 153), ('英国', 38), ('加拿大', 22), ('日本', 15), ('德国', 12)]
:param middle_str: 中间拼接的字符
:param end_str: 结尾拼接的字符，比如：end_str='部'
:return: 比如：美国153部、英国38部、加拿大22部、日本15部、德国12部
'''
if type(input) == dict:
input = zip(input.keys(), input.values())
output = ''
for it in input:
output += f"{it[0]}{middle_str}{it[1]}{end_str}、"
output = output[:-1] # 主要是去掉最后的顿号
return output
# 输入一个DataFrame，根据索引，输出对应索引的内容
def group_by_select(df: pd.DataFrame, column: str, slice=None):
# 地区、演员表中的每一个单元格有多个数据，由逗号分割，可以采用按逗号分割的方式对数据进行处理后再统计
# 上映时间中的每一个单元格是字符串格式的日期，字符串前4个字符则为年份，可以采用切片的方式提取提取年份
'''
:param df: 输入的DataFrame
:param column: column=DataFrame的任一列索引，比如column='地区'
:param slice: 返回数据的长度
:return:
output=[('美国', 153), ('英国', 38), ('加拿大', 22), ('日本', 15), ('德国', 12)]
output2存放output对应的电影名[['<<明日边缘>>','<<银河护卫队>>',...],[...],...[]]
'''
data_list = df[column].tolist()
output = {}
for data in data_list:
if "-" in data:
data = data[:4]
for dat in data.split('，'):
output[dat] = output.get(dat, 0) + 1
output = sorted(output.items(), key=lambda x: x[1], reverse=True) # 降序排列
if slice:
output = output[:slice] # 切片
output2 = []
for op, _ in output:
output2.append(df[df[column].str.contains(op)]['电影名'].map(lambda x:f"<<{x}>>").tolist())
return output, output2
# 向word中添加一段文字
def add_para(content, is_indent=True, is_alignment_center=False, is_bold=False, font_name='方正仿宋',
font_size=16, font_color=None):
'''
:param content: 写入word的内容
:param is_indent: 首行缩进2个字符
:param is_alignment_center: 居中对齐
:param is_bold: 字体加粗
:param font_name: 字体名称，比如方正仿宋、方正小标宋...
:param font_size: 字体大小，比如二号对应22磅，三号对应16磅
:param font_color: 字体颜色
'''
global para_index, start
selection = word.Selection
selection.Start = start
selection.InsertParagraph()
rng = selection.Range
rng.Text = content
para = doc.Paragraphs(para_index)
if is_indent:
para.CharacterUnitFirstLineIndent = 2 # 首行缩进2个字符
if is_alignment_center:
rng.ParagraphFormat.Alignment = 1 # 居中对齐
if is_bold:
rng.Font.Bold = True # 字体加粗
if font_color:
rng.Font.Color = font_color
rng.Font.Name = font_name
rng.Font.Size = font_size
para_index += 1
start = rng.End + 1
word = Dispatch('kwps.Application')
word.Visible = 1
doc = word.Documents.Add() # 新建一个word文档
para_index = 1
start = 0
# 如果有设置好了的word模板，则调用下面的方法
# doc = word.Documents.Open('abosulte_path')
# 读取excel数据
base_path = os.path.dirname(__file__)
excel_path = os.path.join(base_path, '科幻片排行榜.xlsx')
df = pd.read_excel(excel_path, sheet_name='sheet1')
# 组合文本数据，根据需要选择是否输出电影的名称
region, region_data = group_by_select(df=df, column='地区', slice=10)
region_info = f"1.科幻类电影排行榜中，拍摄电影数量前{len(region)}名的国家，分别为{transform_to_word(input=region)}。"
player, player_data = group_by_select(df=df, column='演员列表', slice=20)
player_info = f"2.科幻类电影排行榜中，参演电影数量前{len(player)}名的演员，分别为{transform_to_word(input=player)}。"
release_date, release_date_data = group_by_select(df=df, column='上映时间', slice=10)
release_date_info = f"3.科幻类电影排行榜中，上映电影数量前{len(release_date)}的年份，" \
f"分别为{transform_to_word(input=release_date, middle_str='年')}。" \
f"{release_date[0][0]}年上映的电影为{'，'.join(release_date_data[0])}。"
# 写入word中
add_para(content='科幻电影总结', is_indent=False, is_alignment_center=True, font_name='方正小标宋', font_size=22)
add_para(content=region_info, font_name='方正仿宋', font_size=16)
add_para(content=player_info, font_name='方正仿宋', font_size=16)
add_para(content=release_date_info, font_name='方正仿宋', font_size=16)
# 保存word
file_name = os.path.join(os.path.dirname(__file__), '科幻电影总结')
doc.SaveAs(f"{file_name}.docx") # 保存docx
doc.SaveAs(file_name,FileFormat=17) # 保存pdf
doc.Close()
word.Quit()