三字段统计层次分析：按区域-土地利用类型自动统计温度统计量

针对你的需求，有两种高效的自动处理方案，适配数千条规模的数据集：

一、用Excel内置功能实现（无需代码） #

1. 数据透视表法 #

• 选中数据集所有单元格，点击菜单栏插入 > 数据透视表，选择结果放置位置（新工作表或当前工作表均可）
• 在数据透视表字段面板中操作：
  • 将District拖到「行」区域，再把Land Use拖到「行」区域（放在District下方，实现层级分组）
  • 将Temperature多次拖到「值」区域，分别修改每个值字段的计算类型：
    • 点击值字段下拉菜单 > 值字段设置，按需选择「平均值」「中位数」「标准差」（注意区分总体/样本标准差）
• 调整透视表排版，就能得到层级化的统计结果，可手动调整格式匹配你要的示例样式

2. Power Query批量处理 #

• 点击数据 > 获取数据 > 自文件 > 自工作簿，导入你的Excel数据集
• 在Power Query编辑器中，点击开始 > 分组依据，设置：
  • 分组依据：添加District和Land Use两个分组字段
  • 新列名分别设为均值「中位数」「标准差」，对应操作选「平均值」「中位数」「标准差」，关联列均选Temperature
• 点击关闭上载，将处理结果加载到工作表，后续可手动调整成目标文本格式

二、用Python Pandas实现（高效处理大规模数据） #

如果数据集需要频繁处理，代码方案更高效，步骤如下：

1. 先安装依赖库：

pip install pandas openpyxl

2. 运行以下代码：

import pandas as pd

# 替换为你的Excel文件路径
df = pd.read_excel("你的数据集文件.xlsx")

# 按区域+土地利用类型分组，计算指定统计量并保留两位小数
stats_df = df.groupby(['District', 'Land Use'])['Temperature'].agg(
    mean='mean',
    median='median',
    std='std'
).round(2)

# 输出为你期望的文本格式
for district in stats_df.index.get_level_values(0).unique():
    print(f"Temperature District {district}")
    district_data = stats_df.loc[district]
    for land_use, row in district_data.iterrows():
        print(f"                  {land_use:15} mean = {row['mean']} , median = {row['median']} , Std. = {row['std']}")
    print()

如果需要保存结果到文件，可添加这段代码：

with open("温度统计结果.txt", "w", encoding="utf-8") as f:
    for district in stats_df.index.get_level_values(0).unique():
        f.write(f"Temperature District {district}\n")
        district_data = stats_df.loc[district]
        for land_use, row in district_data.iterrows():
            f.write(f"                  {land_use:15} mean = {row['mean']} , median = {row['median']} , Std. = {row['std']}\n")
        f.write("\n")

内容的提问来源于stack exchange，提问作者kamyar1986