``` def get_5_workdays_back(end_date=None): """计算从结束日期倒推5个工作日的起始日期""" end_date = pd.Timestamp.now().normalize() if end_date is None else end_date count = 0 current_date = end_date # 复用原有节假日配置 holidays = [ # 元旦（不调休） '2025-01-01', # 周三 # 春节（调休2天） '2025-01-28', '2025-01-29', '2025-01-30', '2025-01-31', '2025-02-01', '2025-02-02', '2025-02-03', '2025-02-04', # 1.28(除夕)-2.4 # 清明节（不调休） '2025-04-04', '2025-04-05', '2025-04-06', # 周五-周日 # 劳动节（调休1天） '2025-05-01', '2025-05-02', '2025-05-03', '2025-05-04', '2025-05-05', # 周四-周一 # 端午节（不调休） '2025-05-31', '2025-06-01', '2025-06-02', # 周六-周一 # 中秋节+国庆节（调休2天） '2025-10-01', '2025-10-02', '2025-10-03', '2025-10-04', '2025-10-05', '2025-10-06', '2025-10-07', '2025-10-08' # 周三-下周三 ] holiday_dates = pd.to_datetime(holidays) # 新增调休工作日列表（转换为日期格式） workdays_adjustment = [ '2025-01-26', # 周日补春节 '2025-02-08', # 周六补春节 '2025-04-27', # 周日补劳动节 '2025-09-28', # 周日补国庆 '2025-10-11' # 周六补国庆 ] adjustment_dates = pd.to_datetime(workdays_adjustment) # 转换日期格式 while count < 5: current_date -= pd.Timedelta(days=1) # 判断是否为有效工作日 is_workday = ( (current_date.weekday() < 5 or current_date in adjustment_dates) and current_date not in holiday_dates ) if is_workday: count += 1 return current_date, end_date # 获取处理后的数据 df = getchaoshi() # 计算时间范围 start_date, end_date = get_5_workdays_back() date_mask = (df['收案时间'] >= start_date) & (df['收案时间'] <= end_date) weekly_cases = df[date_mask].copy() # 计算上周时间范围 last_week_start, _ = get_5_workdays_back(start_date) date_mask_last_week = (df['收案时间'] >= last_week_start) & (df['收案时间'] < start_date) last_weekly_cases = df[date_mask_last_week].copy() # 分组统计上周数据 last_week_stats = last_weekly_cases.groupby('组别')['案件状态'].count().reset_index() last_week_stats.columns = ['组别', '上周总案件数'] # 新增：统计上周已完成案件（根据结案时间） date_mask_last_week_closed = (df['结案时间'] >= last_week_start) & (df['结案时间'] < start_date) last_week_closed_cases = df[date_mask_last_week_closed].copy() # 分组统计上周已完成数据 last_week_closed_stats = last_week_closed_cases.groupby('组别')['案件状态'].count().reset_index() last_week_closed_stats.columns = ['组别', '上周已完成情况'] # 添加状态分类列 weekly_cases['状态分类'] = weekly_cases['案件状态'].apply( lambda x: '已完成' if x in ['办结', '发件'] else '正在处理' ) # 分组统计 result = weekly_cases.groupby('组别').agg( 总案件数=('案件状态', 'count'), 已完成=('状态分类', lambda x: (x == '已完成').sum()), 处理中=('状态分类', lambda x: (x == '正在处理').sum()), 超时案件数=('是否超时', lambda x: (x == '是').sum()), 缓办案件数=('是否缓办', lambda x: (x == '是').sum()) # 新增行 ).reset_index() # # 合并上周数据 # result = result.merge(last_week_stats, on='组别', how='left').fillna(0) # 合并三组数据（原代码基础上增加新列） result = result.merge(last_week_stats, on='组别', how='left') result = result.merge(last_week_closed_stats, on='组别', how='left').fillna(0) # 新增：添加总计行（核心修改点） total_row = { '组别': '总计', '总案件数': result['总案件数'].sum(), '已完成': result['已完成'].sum(), '处理中': result['处理中'].sum(), '超时案件数': result['超时案件数'].sum(), '缓办案件数': result['缓办案件数'].sum(), '上周总案件数': result['上周总案件数'].sum(), '上周已完成情况': result['上周已完成情况'].sum() # 新增列 } result = pd.concat([result, pd.DataFrame([total_row])], ignore_index=True) # 结果展示样例 print(result.to_markdown(index=False)) # 创建Excel写入对象（注意：需要安装openpyxl） with ExcelWriter('GCB案件统计结果t4.xlsx', engine='openpyxl') as writer: # 将result写入Sheet1 result.to_excel(writer, sheet_name='按周统计情况', index=False) # 将原始数据写入Sheet2 weekly_cases.to_excel(writer, sheet_name='本周案件', index=False) # 将原始数据写入Sheet3 df.to_excel(writer, sheet_name='所有案件', index=False)```输出按周统计情况的表中，增加一列“查询时间”到第一列，输出程序运行的时间，并合并第一列下面的6行，均显示这个时间

<think>嗯，用户让我在他们的Python代码中，在生成的Excel表格的“按周统计情况”工作表里，增加一列“查询时间”到第一列，显示程序运行的时间，并且合并这一列下面的所有行，都显示同一个时间。我需要仔细分析他们的现有代码，找出需要修改的地方。 首先，看用户现有的代码，他们使用pandas的ExcelWriter将result DataFrame写入到Excel的“按周统计情况”sheet中。为了添加新的列“查询时间”，应该在result DataFrame中添加这一列，然后再输出到Excel。 但用户还提到需要合并第一列下面的6行，也就是合并单元格。这里需要注意的是，直接使用pandas的to_excel方法可能无法直接实现合并单元格的操作，通常需要借助openpyxl库的合并单元格功能来处理。 不过，用户可能希望“查询时间”这一列的所有行都显示同一个时间，也就是每个组别和总计行都显示相同的运行时间。因此，首先需要在生成result DataFrame的时候，添加一列“查询时间”，其值为当前时间。然后，在写入Excel时，将这一列的单元格合并。 步骤可能如下： 1. 在生成result DataFrame后，添加“查询时间”列，值为当前时间，比如使用pd.Timestamp.now()，并且确保所有行的这个值相同。 2. 在将result写入Excel后，使用openpyxl的工作表操作来合并单元格。例如，找到“查询时间”所在的列（假设是第一列），然后合并A2到A7（假设有6行数据，包括总计行）。 需要注意的问题： - 当前时间的获取时机：应该在程序运行时获取一次，而不是每行都获取，否则可能出现时间不一致的情况。比如在开始处理数据前就获取运行时间，存储为一个变量，然后在添加列时使用该变量。 - 合并单元格的操作需要在写入Excel之后，通过操作工作表对象来完成，因为pandas本身不直接支持合并单元格。 现在，具体查看用户的代码： 在代码的最后部分，用户使用ExcelWriter将result写入到'按周统计情况' sheet中。所以，可能的修改点是在生成result之后，添加“查询时间”列，然后在写入Excel后，操作sheet进行合并。 例如： 在生成result之后，添加： import datetime current_time = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S") result.insert(0, '查询时间', current_time) 这样会在第一列插入“查询时间”，所有行的值都是current_time。 然后，在写入Excel后，使用openpyxl来合并单元格。因为to_excel写入之后，需要通过writer.sheets访问具体的sheet对象。例如： with pd.ExcelWriter('GCB案件统计结果t4.xlsx', engine='openpyxl') as writer: result.to_excel(writer, sheet_name='按周统计情况', index=False) # 获取sheet worksheet = writer.sheets['按周统计情况'] # 合并A2到A(n)单元格，假设有5组加上总计共6行数据 # 注意：标题行是第一行，数据从第二行开始 # 例如，如果有6行数据，合并A2到A7 worksheet.merge_cells('A2:A7') # 假设总共有6行数据，包括总计 但这里存在一个问题：result的行数可能不固定，取决于组别数量。例如，原本的代码中，result在添加总计行之前可能有多个组别，然后加上总计。例如，如果有5个组别，加上总计就是6行。所以合并的单元格范围应该是从第二行到第七行（假设数据行从第二行开始）。 但如何动态确定行数？比如，可以通过result的行数来确定。例如，result有n行，那么合并的单元格范围是A2到A(n+1)，因为标题行是第一行，数据行从第二行开始，到第n+1行结束。 在openpyxl中，可以使用字符串范围，或者使用行列索引。例如： start_row = 2 # 数据从第二行开始（标题行是第一行） end_row = start_row + len(result) - 1 # 因为result的行数等于数据行数 worksheet.merge_cells(start_row=start_row, start_column=1, end_row=end_row, end_column=1) 或者转换为字母，比如列'A'是第一列，所以start_column=1。 所以，代码可能如下： 在写入Excel后： worksheet = writer.sheets['按周统计情况'] # 合并查询时间列，从第二行到最后一行的数据 start_row = 2 end_row = start_row + len(result) - 1 # 因为result有len(result)行数据，所以行号是2到2 + len(result)-1 worksheet.merge_cells(start_row=start_row, start_column=1, end_row=end_row, end_column=1) 这样就能动态合并所有数据行的查询时间列。 但需要注意的是，当使用result.to_excel时，列的顺序是否正确。因为用户要求“查询时间”是第一列，所以在插入列的时候使用insert(0, ...)，确保它在最前面。 此外，时间的格式可能需要处理，比如只显示日期还是包括时间。用户可能需要当前的运行时间，所以应该在添加列的时候获取一次时间，确保所有行的时间一致。 总结步骤： 1. 在生成result DataFrame之后，插入“查询时间”列，值为程序运行时的当前时间，格式化为字符串。 2. 使用openpyxl合并该列的所有数据行的单元格。 可能的代码修改： 在result的生成之后，添加： import datetime query_time = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S") result.insert(0, '查询时间', query_time) 然后，在写入Excel时，进行合并： with pd.ExcelWriter('GCB案件统计结果t4.xlsx', engine='openpyxl') as writer: result.to_excel(writer, sheet_name='按周统计情况', index=False) # 获取工作表 workbook = writer.book worksheet = writer.sheets['按周统计情况'] # 合并查询时间列的单元格 # 数据行数：len(result) start_row = 2 # 数据从第二行开始（第一行是标题） end_row = start_row + len(result) - 1 worksheet.merge_cells(start_row=start_row, start_column=1, end_row=end_row, end_column=1) 但需要注意，使用openpyxl时，可能需要先加载现有的工作表，或者确保在写入时没有冲突。此外，当使用pd.ExcelWriter时，如果文件已存在，可能需要设置mode='a'，但这里用户可能每次都是生成新文件，所以默认的mode='w'应该没问题。 不过，当engine是openpyxl时，ExcelWriter默认会以写入模式打开，如果文件存在会覆盖。所以代码应该是可行的。 测试可能出现的问题： - 插入列的位置是否正确，确保是第一列。 - 合并的单元格范围是否正确，特别是当result的行数变化时。 - 时间的格式是否正确，是否所有行都显示同一个时间。 这样修改后，输出的Excel表格中的“按周统计情况”工作表的第一列就是“查询时间”，所有数据行的该列都显示运行时间，并且合并单元格，只显示一个时间。</think>在Python代码中添加「查询时间」列并实现单元格合并，可以通过以下步骤实现： ==================== 修改后的核心代码部分 ==================== ```python # 在result生成后添加时间列（注意要放在最后的总计行生成之后） query_time = pd.Timestamp.now().strftime("%Y-%m-%d %H:%M") # 统一时间格式 result.insert(0, '查询时间', query_time) # 插入到第一列 # 创建Excel写入对象 with pd.ExcelWriter('GCB案件统计结果t4.xlsx', engine='openpyxl') as writer: # 写入时关闭自动列宽调整（避免合并单元格报错） result.to_excel(writer, sheet_name='按周统计情况', index=False, startrow=0) # 获取工作表对象 workbook = writer.book worksheet = writer.sheets['按周统计情况'] # 计算合并范围（假设数据行数为n） start_row = 2 # 数据起始行（标题占第1行） end_row = start_row + len(result) - 1 # 数据结束行 # 执行合并操作 worksheet.merge_cells( start_row=start_row, end_row=end_row, start_column=1, # 第一列 end_column=1 ) # 调整列宽（可选） worksheet.column_dimensions['A'].width = 16 # 设置查询时间列宽 ``` ==================== 主要修改点说明 ==================== 1. **时间获取与插入** - 使用`pd.Timestamp.now()`获取程序运行时的时间 - 通过`insert(0, ...)`将时间列插入DataFrame第一列 - 示例输出效果： ``` | 查询时间 | 组别 | 总案件数 | 已完成 | ... | |----------------|------|----------|--------|-----| | 2024-03-15 14:30 | 一组 | 25 | 20 | ... | ``` 2. **单元格合并逻辑** - `start_row=2`：Excel行号从1开始，数据行从第2行开始 - `end_row`计算：根据DataFrame行数动态确定结束位置 - 合并效果：A2:A7单元格合并显示同一个时间值 3. **注意事项** - 合并操作必须在数据写入之后执行 - 使用openpyxl引擎时需要预先安装库 - 如果数据行数变化，合并范围会自动适应 ==================== 完整代码集成建议 ==================== 在您原有代码的以下位置进行修改： ```python # 原代码 result = pd.concat([result, pd.DataFrame([total_row])], ignore_index=True) # 新增代码（插入时间列） query_time = pd.Timestamp.now().strftime("%Y-%m-%d %H:%M") result.insert(0, '查询时间', query_time) # 原Excel输出代码 with pd.ExcelWriter(...) as writer: # 修改后的输出逻辑（添加合并代码） ``` 最终生成的Excel表格样式： $$ \begin{array}{|c|c|c|c|} \hline \text{查询时间} & \text{组别} & \text{总案件数} & ... \\ \hline \multirow{5}{*}{2024-03-15 14:30} & 一组 & 25 & ... \\ \cline{2-4} & 二组 & 30 & ... \\ \cline{2-4} & ... & ... & ... \\ \cline{2-4} & 总计 & 100 & ... \\ \hline \end{array} $$ 该方案可以动态适应数据行数变化，确保时间列始终正确显示程序运行时刻并保持单元格合并效果。