使用pandas读取Excel文件并按三类分类，无法实现目标输出逻辑

一、先搞定pandas读取Excel的问题 #

首先确保安装必要依赖：

pip install pandas openpyxl xlrd

基础读取代码：

import pandas as pd

# 读取Excel，指定sheet名（多sheet时用索引sheet_name=0也可以）
df = pd.read_excel("你的文件路径.xlsx", sheet_name="Sheet1")

# 先确认读取是否正确
print(df.head())
print("数据列名：", df.columns.tolist())

如果读取失败，排查这几点：

• 用绝对路径替代相对路径，避免路径识别错误
• 确保Excel文件没被其他程序占用
• 旧版xls格式需安装xlrd==1.2.0（新版xlrd不再支持xls）
• 核对sheet名称是否准确，或者直接用索引定位

二、实现技能分类逻辑 #

方法1：精准匹配（适合已知完整技能列表） #

先定义三类技能的映射字典，替换成你的实际技能：

skill_categories = {
    "technical": ["Python", "SQL", "Java", "机器学习", "数据建模"],
    "functional": ["需求分析", "项目管理", "流程优化", "客户对接"],
    "soft": ["沟通能力", "团队协作", "问题解决", "领导力"]
}

def categorize_skill(skill):
    for category, skills in skill_categories.items():
        if skill in skills:
            return category
    return "未分类"  # 处理不在列表里的技能

# 把分类结果新增到DataFrame中
df["category"] = df["技能列名称"].apply(categorize_skill)

方法2：模糊匹配（处理技能名称有变体的情况） #

比如"Python开发"和"Python编程"这类近似技能，用模糊匹配：

from fuzzywuzzy import fuzz

def categorize_skill_fuzzy(skill):
    threshold = 80  # 匹配阈值，数值越高匹配越严格
    for category, skills in skill_categories.items():
        for s in skills:
            if fuzz.partial_ratio(skill.lower(), s.lower()) >= threshold:
                return category
    return "未分类"

# 先安装依赖
# pip install fuzzywuzzy python-Levenshtein

df["category"] = df["技能列名称"].apply(categorize_skill_fuzzy)

方法3：正则匹配（按关键词分类） #

针对有规律的技能名称，用关键词正则匹配：

import re

def categorize_skill_regex(skill):
    skill_lower = skill.lower()
    if re.search(r"python|sql|java|机器学习|开发|编程|数据库", skill_lower):
        return "technical"
    elif re.search(r"需求|项目管理|流程|业务", skill_lower):
        return "functional"
    elif re.search(r"沟通|协作|领导力|团队", skill_lower):
        return "soft"
    else:
        return "未分类"

df["category"] = df["技能列名称"].apply(categorize_skill_regex)

三、验证输出 #

分类完成后，查看结果：

# 查看前几行分类结果
print(df[["技能列名称", "category"]].head())
# 统计各类别数量
print(df["category"].value_counts())

内容的提问来源于stack exchange，提问作者Kompal