这是菜鸟学Python的第76篇原创文章
阅读本文大概需要8分钟
上一篇我们讲了关于Python excel的基础知识，今天我们要实战一下.我从Google下载了1992-2008年美国人名排名榜,抽取了其中5年的数据，每年最火的2000个人名，男女各1000名，这个1000名是当年最流行的名字,从第一名排到第1000名。共计10000个人美国人名形成的一个较大的excel数据表格，今天我们就对这个大表格进行初步挖掘一下，看看这些数据背后能告诉我们什么故事~~
今天虽然讲的是Excel的实战运用，但是用到了很多以前学习的知识，算是一个小小的综合练习,希望能对大家有帮助
1.10000美国人名的表格长啥样
这张大的Excel文件是'baby_names.xlsx',长什么样呢,一共有5个sheets,每个sheet都是对应的年份：'1992','1996','2000','2004','2008'
内容如下:
第一行是文本介绍:比如1992出生的美国人,有1000个人，名字按照流行程度排序
第二行是标题：Rank,Male Name,Female Name
第3行-1002行：都是对应的数据:
第一列是：排名名次
第二列是：男孩名字
第三列是：女孩名字
2.我们想挖掘出什么
我们初步可以挖一下以下几个方面:
1.10000美国人里面谁的名字最长的是谁，名字最短的那个
2.10000美国人里面的名字首字母都是用从A-Z,哪个首字母的人最多，有没有什么禁忌，哪个首字母是美国人不太愿意用的
3.我们中国人名字3个字的比较多，那么10000美国人里面多长的名字会比较火
4.1992-2008排名前5的名字，经过16年的变化，这些火的名字是不是持久不衰，哪个是一直很吃香的好名字的
3.读取Excel
a).我们的数据结构用一个大的字典BABY_DATA存储所有的数据
b).用xlrd模块读取excel文件，并读取所有的sheets名字
c).写一个函数extract_each_sheet
根据每个sheet名字,把所有的数据都读到BABY_DATA字典里面
d).看一下BABY_DATA长什么样
from pprint import pprint
pprint(BABY_DATA) #美化打印一下
>>4.探秘：最长和最短的名字
查找单个sheet里面的名字最短和最长
思路步骤:
a).上面我们已经构建好了10000人名的大字典，下面就是对这个字典不停的挖掘，提取数据
b).我们通过年限和性别，得到对应的人名数据
c).利用sorted把人名按照长度排序
d).取这个排序好的列表的第一，就是名字最长的
e).取这个排序好的列表的倒数第一，就是名字最短的
5.探秘：10000人内男女名字最长和最短
看看从1992到2008，每年男女名字最长和最短的,有没有什么规律
结论:
发现16年的变迁:
男孩的名字最长的: 出现频率最高的是Christopher,最短是Bo
女孩的名字最长的: 出现频率最高的是Jacqueline,最短是Aja
6.探秘:首字母
想知道哪个字母开头的人名最多，在我国百家姓里面，姓张姓王的比较多。那我们把每年2000美国人，按照字母排序，看看在老外名字里面,哪个字母开头的人名最多
>>
Most popular first letter:D, total:122 names with D
unused first letter : ['Y']思路步骤:
1).根据输入的2个key,得到对应的男女名字列表
2).因为每个名字的列表里面一个元组(u'Michael', 1.0),所以我们要用name[0]提取名字
3).接着我们要过滤出所有首字母相同开头的名字，这里用到一个非常重要的技巧函数,大名鼎鼎的itertools模块里的groupby函数，可以把列表里面的元素，按照某种规则排列提取
4).得到rank_names_by_first_letter列表，这个列表里面嵌套了若干个列表,这里面存的是按照首字母相同的人为子列表，我们只需要sorted
5).就可以得到首字母最多的一组
6),然后我们把所有的人名首字母过滤一下，看看那个字母是老外人名里面不喜欢开头的
结论:
上面是1992的数据，发现老外里面D开头的人名比较多，不喜欢Y开头
7.探秘：名字长度
我们中国人的名字里面一般是3个字的比较多，我们探索一下美国人的名字长度最流行是多长，这10000个老外的名字，名字长度有长有短，看看这么数据里面，那种长度的人名是比较火比较多的
先观察男孩，名字多长比较火
>>
Year :1992,Popular name len is :7
Year :1996,Popular name len is :7
Year :2000,Popular name len is :7
Year :2004,Popular name len is :7
Year :2008,Popular name len is :7#观察女孩，名字多长比较火
>>
Year :1992,Popular name len is :6, Total Num:5,[u'Alysha', u'Alysia', u'Alyson', u'Alyssa', u'Amanda']
Year :1996,Popular name len is :6, Total Num:5,[u'Alisha', u'Alison', u'Alissa', u'Alivia', u'Aliyah']
Year :2000,Popular name len is :6, Total Num:6,[u'Athena', u'Aubree', u'Aubrey', u'Audrey', u'Aurora', u'Autumn']
Year :2004,Popular name len is :6, Total Num:7,[u'Athena', u'Aubree', u'Aubrey', u'Aubrie', u'Audrey', u'Aurora', u'Autumn']
Year :2008,Popular name len is :5, Total Num:6,[u'Mylee', u'Mylie', u'Nadia', u'Naima', u'Nancy', u'Naomi']结论:
发现男孩取名的话，字母长度为7的人很多
发现女孩取名的话，字母长度为6的人很多
8.探秘:经久不衰一直很火的人名
虽然我们这5个sheets人名是按照流行程度排行的，但是1992前5的人名，16年过去了，到了2008年是否还继续火呢,我们来看一下流行趋势
>>
Top1 name in 16years: (3.5, u'Michael')
Rank Top names in 16years: [(3.5, u'Michael'), (3.3333333333333335, u'Jacob'), (1.4166666666666665, u'Matthew'), (1.2833333333333332, u'Joshua'), (0.95, u'Christopher'), (0.5333333333333333, u'Ethan'), (0.2, u'Daniel'), (0.2, u'Andrew')]思路步骤:
1).首先我们取每年Top5的名字，这些名字都是一个一个的tuple(人名，名次)
然后把这些tuple按照名次排序，存入All_Top_Names_Tuple
2).然后我们把每个名字取个百分比，比如1992年Michael排名第一,1996年Michael排名第二，2000年Michael排名第三
计算公司:1/1+1/2+1/3=1.83
累计得分最高的就是最火的
发现：
发现16年以来，最火的名字是叫Michael，经久不衰啊~~
女孩的大家自己去试一下
用Python处理Excel实战就讲到这里，其实还能挖掘出很多，想想如果不是1万而是1百万数据，若有时间维度的就更有趣了.上面用到的都是一些基础知识，算是开胃菜,只是做了初步的统计分析.数据分析是一门很有意思的活,是科学也是艺术。真正的数据挖掘，一定是要用到机器学习里面的很多算法，甚至是深度学习，而且需用一定的数学和统计学知识，水还蛮深的 ~~好，今天的内容就先讲到这里，欢迎大家留言讨论
历史人气文章
长按二维码，关注【菜鸟学python】
