Python實現(xiàn)為Excel中每個單元格計算其在文件中的平均值

更新時間：2023年10月07日 08:42:14 作者：瘋狂學習GIS

這篇文章主要為大家詳細介紹了如何基于Python語言實現(xiàn)對大量不同的Excel文件加以跨文件、逐單元格平均值計算,感興趣的小伙伴可以跟隨小編一起學習一下

本文介紹基于Python語言，對大量不同的Excel文件加以跨文件、逐單元格平均值計算的方法。

首先，我們來明確一下本文的具體需求?，F(xiàn)有一個文件夾，其中有如下所示的大量Excel文件，我們這里就以 .csv 文件為例來介紹。其中，每一個 .csv 文件的名稱都是如下圖所示的 Ref_XXX_Y.csv 格式的，其中 XXX 表示三個字母，后面的 Y 則表示若干位數(shù)字。

對于其中的每一個 .csv 文件，都有著如下圖所示的數(shù)據(jù)格式。

我們現(xiàn)在的需求是，希望對于每一個名稱為 Ref_GRA_Y.csv 格式的 .csv 文件，求取其中每一個單元格在所有文件中數(shù)據(jù)的平均值。例如，對于上圖中 DOY 為 1 的 blue 這個單元格，那么求出來的平均值就是在全部名稱為 Ref_GRA_Y.csv 格式的 .csv 文件之中， DOY 為 1 且列名為 blue 的單元格的平均值。此外，如果像上圖一樣，出現(xiàn)了部分單元格數(shù)值為 0 的情況，表明在當前文件夾下，這個單元格是沒有數(shù)據(jù)的，因此需要在計算的時候舍去（并且取平均值時候的分母也要減小 1 ）。

知道了需求，我們就可以開始代碼的書寫。其中，本文用到的具體代碼如下所示。此外，本文實現(xiàn)的需求也和我們之前的文章基于Python讀取多個Excel文件數(shù)據(jù)并跨越不同xlsx表格文件計算平均值有些類似，大家如果有需要，也可以參考之前的這一篇文章。

# -*- coding: utf-8 -*-
"""
Created on Fri Oct  6 13:07:48 2023
@author: fkxxgis
"""
import os
import glob
import pandas as pd
folder_path = "E:/04_Reconstruction/02_Data/01_RGBNINDVI_History"
output_path = "E:/04_Reconstruction/02_Data"
file_pattern = "Ref_GRA_*.csv"
file_paths = glob.glob(os.path.join(folder_path, file_pattern))
combined_data = pd.DataFrame()
for file_path in file_paths:
    df = pd.read_csv(file_path)
    df_filtered = df[df != 0]
    combined_data = pd.concat([combined_data, df_filtered])
average_values = combined_data.groupby('DOY').mean()
output_file = "04_Data_YearAverage.csv"
average_values.to_csv(os.path.join(output_path,output_file), index=True)

其中，上述代碼的具體介紹如下。

首先，我們導入必要的庫—— os 庫用于文件路徑操作， glob 庫用于文件匹配， pandas 庫用于數(shù)據(jù)處理和分析。同時，我們定義文件夾路徑 folder_path ，代表存儲 .csv 文件的文件夾路徑；定義輸出路徑 output_path ，代表保存結果文件的路徑；定義文件匹配模式 file_pattern ，用于匹配需要處理的 .csv 文件的文件名模式。

隨后，我們使用 glob.glob() 函數(shù)結合文件夾路徑和文件匹配模式，獲取滿足條件的 .csv 文件的路徑列表，存儲在 file_paths 變量中。創(chuàng)建一個空的數(shù)據(jù)框 combined_data ，用于存儲所有文件的數(shù)據(jù)。

接下來，我們使用一個循環(huán)，遍歷 file_paths 列表中的每個文件路徑。對于每個文件路徑，使用 pd.read_csv() 函數(shù)加載 .csv 文件，并將其存儲在名為 df 的數(shù)據(jù)框中。其次，使用條件篩選語句 df[df != 0] 排除值為 0 的數(shù)據(jù)，并將結果存儲在名為 df_filtered 的數(shù)據(jù)框中。緊接著，將當前文件的數(shù)據(jù)框 df_filtered 合并到總數(shù)據(jù)框 combined_data 中，這一步驟使用 pd.concat() 函數(shù)實現(xiàn)。

完成所有文件的處理后，使用 combined_data.groupby('DOY').mean() 計算所有文件的平均值，按照 DOY 列進行分組并求平均值。隨后，定義輸出文件名 output_file ，代表保存平均值結果的文件名。

最后，使用 os.path.join() 函數(shù)結合輸出路徑和輸出文件名，生成保存路徑，并使用 average_values.to_csv() 函數(shù)將平均值數(shù)據(jù)框 average_values 保存為一個新的 .csv 文件，指定 index=True 以包含索引列。

運行上述代碼，我們即可得到結果文件。如下圖所示，可以看到結果文件中，已經(jīng)是計算之后的平均值結果了。