“互联网+”背景下办公智能化的有效应用*

程志鹏 韩建枫,2

(1.天津商业大学理学院,天津 300134;2.天津商业大学信息工程学院,天津 300134)

传统的办公软件在进行数据统计时,需要工作人员“手动、眼睛盯”进行反复的、重复的筛选工作,这样就很容易造成他们的视觉疲劳和身心疲惫,从而导致错误的发生。所以在进行统计数据时,往往需要工作人员先统计一次、然后再核对一次的繁琐流程,这样的工作模式简单但是需要细心和耐心才能很好的完成任务。对于这种简单且重复性很高的工作现在完全可以让电脑来帮助我们完成,这样就可以保护工作人员的眼睛,增加工作人员工作是的舒适感,从而就可以节省办公时间和提升工作效率。在互联网和人工智能的时代下,我们需要加强信息化建设, 提高统计水平和资源共享,加大数据的分析力度,提高信息利用价值[1]。

“互联网+”背景下,办公人员的能力与素质也面临着越来越高的要求[2]。Python作为当前流行的编程语言,其上手快、操作简单等的特点受到了很多的办公人员的喜爱。它自身所拥有的第三方数据库能够在数据分析中提供非常大的帮助,具有非常好的应用前景[3]。对于现在的互联网和人工智能时代, 统计数据的能力也要与时俱进,让统计数据的方法更加智能化,尽量不要做简单机械的重复动作。而且编程语言有一个极大的特点是一旦我们针对某个特定的数据进行编写程序,下次我们遇到类似的数据时就可以重复使用该程序,可以达到一劳永逸的效果。本文将会以虚拟高校的招生数据为例,通过两种软件的使用对比来说明我们现在的办公需要拥抱智能化。

1 研究数据背景

通过Python程序模拟出某高校的招生情况。该高校共有21个专业,分别在我国的34个地区进行招生,2020年本科招生规模为2000人。现有高校招生的原始数据,数据中包含考生姓名、省份、录取专业、投档分数等特征数据。分析需求为统计该高校在各地区各专业的录取人数、最高分、最低分和平均分。

2 数据统计

2.1 Python数据统计

第一步:导入相关模块。

import pandas as pd

import numpy as np

import os

第二步:读入本地的招生数据到内存中。

path=r'C:UsersAdministratorDesktop招生数据.csv'

tf=pd.read_csv(path,encoding='utf-8')

第三步:编写代码对该高校在各省各专业的录取人数、最高分、最低分和平均分进行统计。

province_=tf['省份'].value_counts().index

major_=tf['录取专业'].value_counts().index

province=[]

major=[]

people_number=[]

max_score=[]

min_score=[]

mean_score=[]

for i in province_:

tf_province=tf[tf['省份']==i]

major_=tf_province['录取专业'].value_counts().index

for j in major_:

tf_major=tf_province[tf_province['录取专业']==j]

number=len(tf_major)

Max=max(tf_major['投档分数'].values)

Min=min(tf_major['投档分数'].values)

Mean=int(np.mean(tf_major['投档分数'].values))

province.append(i)

major.append(j)

people_number.append(number)

max_score.append(Max)

min_score.append(Min)

mean_score.append(Mean)

m={'省份':province,'录取专业':major,'录取人数':people_number,'投档最高分':max_score,'投档最低分':min_score,'投档平均分':mean_score}

data=pd.DataFrame(m)

第四步:将处理好的数据存到本地。

newpath=r'C:UsersAdministratorDesktop'+'//分省分专业录取情况.csv'

data.to_csv(newpath,line_terminator=' ',index=False)

第五步:统计数据可视化展示。

将统计的好的数据以可视化的形式呈现。展示高校在不同地区不同专业的录取人数、最高分、最低分和平均分的关系图。P y t h o n 内部提供了很多绘图的库, 例如Matplotlib、WordCloud、Seaborn、Bokeh、VisPy等可以满足不同需求的展示效果,让数据之间的关系可以更好的呈现在人们面前,视觉感官系统可以更快的找到数据间的联系。

通过对Python进行数据统计流程的分析,我们可以很容易发现其代码很简洁,稍微对Python基础进行学习就能上手。数据统计的很简单、方便和智能,对数据进行展示也很方便。统计好数据后,如何才能更好的给人们可视化的呈现数据本身也是一门“艺术”,而Python可以满足我们对“艺术”的追求。且编写代码有一个巨大的好处就是以后的工作中再遇到相同的数据通过运行代码,可以很快的处理完数据,从而得出结果。以招生数据为例,每年都会有几乎完全相同的特征的数据需要高校工作人员统计,所以通过编写程序可以使我们的工作更加的高效化和智能化。

2.2 Excel数据统计

第一步:启动筛选命令。

第二步:筛选省份。

第三步:筛选专业。

第四步:运用函数对该高校在各省各专业的录取人数、最高分、最低分和平均分进行统计。

第五步:将统计好的数据存到本地的文件夹中。

虽然Excel其不仅可以处理表格数据,还可借助数学函数对数据进行复杂运算,且无需计算机语言编程即可实现数据筛选、检索、分类、排序等一系列操作[4]。但是,其局限性也很突出,统计流程繁琐,耗时长等都对数据统计工作人员造成了一定的影响。

3 小结与不足

高效的数据统计工作能够确保统计数据的真实性、准确性。在提高数据的质量的同时,还可以通过对高校录取情况的统计数据的分析来发现高校不同专业面向不同省份招生的薄弱环节。可以充分挖掘招生信息,使招生数据可以最大限度发挥作用,为高校的发展服务。

本文通过虚拟某高校的招生数据,对Python数据统计方面和Excel数据统计方面进行简单对比,对比发现Python编程技术在统计数据方面有极大的优势,可以快速、准确的完成数据统计任任务。诚然Excel同样具有很强大的数据统计的功能,我们不可忽视Excel给我们数据统计所带来的便利,但是在现在的智能时代会一点编程语言会给我们的工作生活带来很大的便利,促进办公智能化,使办公管理达到事半功倍的效果。

虽然本文试图通过高校的招生数据来说明Python在数据统计方面的优势,但是只举例了高校招生数据,没有说明其优势具有普适性。对高校招生数据的模拟也不够充分,实际招生中还会有“文理分科、新高考省份、中外合作办学和预科生”等因素,这些都是数据分析时需要单独拿出来考虑的统计数据。但是我相信有了本文使用P ython编程技术统计数据的铺垫,其余的相关问题也会迎刃而解。

以“互联网+”为背景,依托更加智能化的办公软件和方法来解决问题。在这样的时代背景下,我们会比以往的任何时候都更加的渴望智能化的生活。