要在电脑上编写程序来进行信息统计，你可以选择多种编程语言和工具，具体取决于你的需求和熟悉程度。以下是一些常用的方法和步骤：
1. 选择编程语言
Excel VBA： 如果你熟悉Excel，可以使用VBA（Visual Basic for Applications）进行简单的数据统计。
Python: Python是一种强大的通用编程语言，拥有丰富的数据分析库，如pandas、numpy和scikit-learn，适合进行复杂的数据统计和分析。
R语言: R语言专门用于数据统计和数据可视化，提供了大量的统计函数和包，适合进行各种数据分析和数据挖掘任务。
SPSS: SPSS是一种常用的统计分析软件，提供了友好的用户界面和强大的统计功能，适合社会科学领域的数据分析。
SAS: SAS是一个功能强大的统计分析系统，适用于大规模数据集的处理和分析。
2. 准备数据
在进行统计分析之前，需要先准备好需要分析的数据。这些数据可以来自各种渠道，如实验数据、问卷调查、数据库等。确保数据的准确性和完整性是进行统计分析的基础。
3. 编写代码
根据选择的编程语言和工具，编写相应的代码来实现数据统计的功能。以下是一些简单的示例：
Excel VBA 示例
```vba
Sub 统计信息()
Dim ws As Worksheet
Set ws = ThisWorkbook.Sheets("Sheet1")
' 计算A列的总和
Dim sumA As Double
sumA = Application.WorksheetFunction.Sum(ws.Range("A:A"))
MsgBox "A列的总和是: " & sumA
End Sub
```
Python 示例
```python
import pandas as pd
读取数据
data = pd.read_excel('data.xlsx')
计算A列的总和
sum_a = data['A'].sum()
print("A列的总和是:", sum_a)
```
R语言 示例
```r
读取数据
data <- read.csv('data.csv')
计算A列的总和
sum_a <- sum(data$A)
print(paste("A列的总和是:", sum_a))
```
4. 数据清洗
在进行统计分析之前，需要对数据进行清洗，以确保数据的质量和准确性。数据清洗包括处理缺失值、异常值、重复值等。
5. 统计分析
根据需求，在编程语言中选择合适的统计方法进行分析。常见的统计方法包括描述性统计、t检验、方差分析、回归分析等。
6. 结果展示
将统计分析结果以图表或文字的形式展示出来，以便于其他人理解和使用。在Excel中，可以使用图表工具创建各种图表；在Python中，可以使用matplotlib、seaborn等库生成图表；在R语言中，可以使用ggplot2等包进行数据可视化。
7. 运行和调试
运行编写的程序，并根据需要进行调整和调试，确保程序能够正确地完成数据统计任务。
通过以上步骤，你可以使用不同的编程语言和工具在电脑上编写程序来进行信息统计。选择合适的工具和方法，可以提高统计工作的效率和准确性。