You need to enable JavaScript to run this app. 如何用Python从多周Excel持仓数据生成Chart.js堆叠条形图数据集
优惠活动
大模型
产品
解决方案
定价
更多

如何用Python从多周Excel持仓数据生成Chart.js堆叠条形图数据集

原实现的核心问题
  • 聚合逻辑方向错误:你之前尝试的单表转置方案,本质是对单周数据做行列转换,没有跨周合并同行业数据的能力,就算转置后把结果追加到列表里,最终也是把每一周的零散数据堆在一起,根本无法形成「每个行业对应独立配置项,按周存储占比」的结构
  • 缺失值处理没有规划:没有自动补0的逻辑,全靠手动判断某周是否有对应行业,很容易漏判导致图表数据错乱
  • 格式兼容性问题:直接将Python原生对象传入JS模板,会出现单引号、特殊字符转义、空值格式不符等问题,导致前端图表解析失败
  • 排序逻辑缺失:周次作为字符串排序会出现顺序错乱(比如Week10排到Week2前面),没有做数值转换处理
优化后的实现方案

这套方案全程用pandas的内置聚合能力完成数据合并,不需要手动转置单周表格,代码量更少且容错性更高。

完整可运行代码

import pandas as pd
import glob
import os
import json
from string import Template

# 自动匹配所有周报表文件,可根据实际路径调整匹配规则
files = sorted(glob.glob("Status_week_*.xlsx"))

all_sector_records = []
for file_path in files:
    # 保持你原有逻辑提取文件名中的周次
    cw_raw = file_path.split('_')[3].split('.')[0]
    cw_num = int(cw_raw)  # 转成整数避免字符串排序错乱
    
    # 读取对应工作表
    week_df = pd.read_excel(file_path, sheet_name='Sectors')
    # 增加周次标记列,方便后续聚合
    week_df['cw'] = cw_num
    all_sector_records.append(week_df[['sector', 'pct', 'cw']])

# 拼接所有周的记录为统一长表
full_long_df = pd.concat(all_sector_records, ignore_index=True)

# 透视生成宽表:行=行业,列=周次,值=持仓占比,缺失值自动补0
sector_wide_df = full_long_df.pivot(
    index='sector',
    columns='cw',
    values='pct'
).fillna(0)  # 某周未持有对应行业则填充0,完全符合需求

# 按周次数值从小到大排序,保证x轴顺序正确
sector_wide_df = sector_wide_df.sort_index(axis=1)

# 生成x轴标签
labels = [f"Week {col}" for col in sector_wide_df.columns]

# 生成Chart.js要求的datasets结构
datasets = []
for sector_name, share_series in sector_wide_df.iterrows():
    datasets.append({
        "label": sector_name,
        "data": share_series.values.tolist()
        # 可选:为每个行业配置固定颜色,避免每次渲染颜色随机变化
        # "backgroundColor": "#2196F3"
    })

# 序列化为JS兼容的JSON字符串,彻底解决语法不兼容问题
labels_js_str = json.dumps(labels)
datasets_js_str = json.dumps(datasets)

# 替换模板占位符
with open('template.txt', 'r') as f:
    template_src = Template(f.read())

rendered_content = template_src.substitute({
    "label": labels_js_str,
    "datasets": datasets_js_str
})

# 输出最终可用的JS配置文件
with open('chart_config.js', 'w') as f:
    f.write(rendered_content)

方案优势

  • 聚合逻辑全靠pandas内置能力实现,不需要手动遍历每个行业检查缺失周次,哪怕几百份报表也能快速处理
  • 透视环节自动将缺失的行业-周次组合填充为0,不会出现空值导致的堆叠图高度错乱
  • 周次按整数排序,彻底避免字符串排序带来的轴顺序错误
  • 用JSON序列化替代手动拼字符串,输出的内容完全符合JS语法规范,不会出现单引号、特殊字符转义错误

模板适配说明

原来的Chart.js模板不需要大改,因为序列化后的内容是标准的JS数组/对象格式,替换占位符后可以直接运行。只需要注意不要在占位符位置加多余的引号,因为json.dumps输出的内容本身已经是合法的JS值了。

内容的提问来源于stack exchange,提问作者RazzleDazzle

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.30 17:54:07