快捷導(dǎo)航

Python實(shí)現(xiàn)輕松處理兩行表頭Excel并可視化分析(附完整代碼)

更新時(shí)間：2025年11月20日 10:02:28 作者：IT小本本

在日常的數(shù)據(jù)處理中,我們經(jīng)常會(huì)遇到多級(jí)表頭的 Excel 文件,本文通過(guò)一個(gè)實(shí)際案例,帶你完整了解讀取 Excel ,整理多級(jí)表頭 ,提取庫(kù)存,銷量的數(shù)據(jù) ,繪圖可視化的完整步驟吧

在日常的數(shù)據(jù)處理中，我們經(jīng)常會(huì)遇到多級(jí)表頭的 Excel 文件：例如“商品1 / 庫(kù)存 / 銷量”這種兩行結(jié)構(gòu)。如果不正確處理表頭，Python 在讀取時(shí)就會(huì)出現(xiàn)列名混亂、KeyError 等問(wèn)題。

本文通過(guò)一個(gè)實(shí)際案例，帶你完整走一遍：讀取 Excel → 整理多級(jí)表頭 → 提取庫(kù)存→銷量的數(shù)據(jù) → 繪圖可視化。

一、示例 Excel 數(shù)據(jù)結(jié)構(gòu)

數(shù)據(jù)格式如下（前兩行為表頭）：

這種結(jié)構(gòu)是典型的 MultiIndex 多級(jí)表頭。

若直接讀取，會(huì)導(dǎo)致列名變成：

('商品1', '庫(kù)存'), ('商品1', '銷量')

我們需要把它整理成更易操作的形式，例如：

商品1-庫(kù)存
商品1-銷量
商品2-庫(kù)存
商品2-銷量

二、Python 讀取多級(jí)表頭（關(guān)鍵步驟）

使用 header=[0,1] 閱讀兩行表頭：

df = pd.read_excel("data.xlsx", header=[0, 1])

隨后整合成單行列名：

new_cols = []
for col1, col2 in df.columns:
    if col1 == '門店編碼':
        new_cols.append('門店編碼')
    else:
        new_cols.append(f"{col1}-{col2}")
df.columns = new_cols

這樣就能避免 KeyError，并讓所有列名清晰易用。

三、提取庫(kù)存 > 銷量的所有門店商品

邏輯很簡(jiǎn)單：

如果庫(kù)存 > 銷量：輸出該商品

完整代碼如下：

result = []

for index, row in df.iterrows():
    store = row['門店編碼']

    for i in range(1, 6):
        inv = row[f"商品{i}-庫(kù)存"]
        sales = row[f"商品{i}-銷量"]

        if inv > sales:
            result.append([store, f"商品{i}", inv])

result_df = pd.DataFrame(result, columns=['門店', '商品', '庫(kù)存'])
print(result_df)

輸出示例：

門店商品庫(kù)存
A039 商品1 7
A039 商品2 2
A288 商品3 13
A335 商品4 6

這樣我們就得到了所有“庫(kù)存高于銷量”的商品清單。

四、庫(kù)存分析可視化（3 個(gè)圖表）

下面使用 Matplotlib + Seaborn 來(lái)生成直觀清晰的圖表。

圖表 1：每個(gè)門店庫(kù)存>銷量的商品數(shù)量（條形圖）

import matplotlib.pyplot as plt

store_count = result_df.groupby("門店").size()

plt.figure(figsize=(10,5))
store_count.plot(kind='bar')
plt.title("每個(gè)門店 庫(kù)存>銷量 的商品數(shù)量")
plt.xlabel("門店")
plt.ylabel("商品數(shù)量")
plt.tight_layout()
plt.show()

可幫助判斷：哪些門店庫(kù)存積壓最大。

圖表 2：每個(gè)商品庫(kù)存>銷量出現(xiàn)次數(shù)（條形圖）

product_count = result_df.groupby("商品").size()

plt.figure(figsize=(8,5))
product_count.plot(kind='bar')
plt.title("各商品 庫(kù)存>銷量 次數(shù)統(tǒng)計(jì)")
plt.xlabel("商品")
plt.ylabel("次數(shù)")
plt.tight_layout()
plt.show()

用于發(fā)現(xiàn)：哪些商品容易滯銷。

圖表 3：庫(kù)存 - 銷量熱力圖（直觀查看差異）

import seaborn as sns

matrix = {}

for index, row in df.iterrows():
    store = row['門店編碼']
    diff_list = []
    for i in range(1, 6):
        diff = row[f"商品{i}-庫(kù)存"] - row[f"商品{i}-銷量"]
        diff_list.append(diff)
    matrix[store] = diff_list

heat_df = pd.DataFrame(matrix, index=[f"商品{i}" for i in range(1, 6)])

plt.figure(figsize=(12,6))
sns.heatmap(heat_df, annot=True, fmt="d", cmap="YlGnBu")
plt.title("庫(kù)存 - 銷量 熱力圖")
plt.xlabel("門店")
plt.ylabel("商品")
plt.tight_layout()
plt.show()

熱力圖能夠一眼看到：

哪些門店庫(kù)存偏高
哪些商品表現(xiàn)更好或更差

是庫(kù)存分析中非常有價(jià)值的圖。

到此這篇關(guān)于Python實(shí)現(xiàn)輕松處理兩行表頭Excel并可視化分析(附完整代碼)的文章就介紹到這了,更多相關(guān)Python處理兩行表頭Excel內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: