- 综合排序
- 最热优先
- 最新优先
- 来自专栏人人都是数据分析师
用 Python 对 Excel文件进行批量操作
import os os.listdir('D:/Data-Science/share/data/test') # 运行上面代码会得到如下结果。 os.rename('D:/Data-Science/share/data/test/test_old.xlsx' ,'D:/Data-Science/share/data/test/test_new.xlsx 当运行下面代码时，就表示在 D:/Data-Science/share/data 路径下新建一个名为test11 的文件夹，效果如图 2 所示。 os.mkdir('D:/Data-Science/share/data/test11') 图2 5 删除一个文件夹 删除文件夹与创建文件夹是相对应的。 for i in name_list: df = pd.read_excel(r'D:/Data-Science/share/data/test/' + i) print('{}读取完成！'.
2.1K60发布于 2021-11-18 - 来自专栏Python乱炖
一文教你用 Python 对 Excel文件进行批量操作
import os os.listdir('D:/Data-Science/share/data/test') 运行上面代码会得到如下结果。 os.rename('D:/Data-Science/share/data/test/test_old.xlsx' ,'D:/Data-Science/share/data/test 当运行下面代码时，就表示在 D:/Data-Science/share/data 路径下新建一个名为test11 的文件夹，效果如图 2 所示。 os.mkdir('D:/Data-Science/share/data/test11') 图2 5 删除一个文件夹 删除文件夹与创建文件夹是相对应的。 for i in name_list: df = pd.read_excel(r'D:/Data-Science/share/data/test/' + i) print('{}读取完成！'.
2.2K20编辑于 2021-12-22 - 来自专栏博文视点Broadview
一文教你用 Python 对 Excel文件进行批量操作
import os os.listdir('D:/Data-Science/share/data/test') 运行上面代码会得到如下结果。 os.rename('D:/Data-Science/share/data/test/test_old.xlsx' ,'D:/Data-Science/share/data/test 当运行下面代码时，就表示在 D:/Data-Science/share/data 路径下新建一个名为test11 的文件夹，效果如图 2 所示。 os.mkdir('D:/Data-Science/share/data/test11') 图2 5 删除一个文件夹 删除文件夹与创建文件夹是相对应的。 for i in name_list: df = pd.read_excel(r'D:/Data-Science/share/data/test/' + i) print('{}读取完成！'.
1.8K30发布于 2021-11-17 - 来自专栏CDA数据分析师
实战 | 如何制作数据报表并实现自动化？
#导入文件 import pandas as pd df = pd.read_excel(r'D:\Data-Science\share\excel-python 报表自动化 \sale_data.xlsx \share\excel-python 报表自动化\4.2 - 4.11 创建订单量 分日趋势.png') ws.add_image(img, 'A1') wb.save(r'D:\Data-Science #插入图片 img = Image(r'D:\Data-Science\share\excel-python 报表自动化\4.2 - 4.11 创建订单量 分日趋势.png') ws.add_image iloc[i,j] #插入图片 img = Image(r'D:\Data-Science\share\excel-python 报表自动化\4.2 - 4.11 创建订单量 分日趋势.png') \share\excel-python 报表自动化\4.2 - 4.11 创建订单量 分日趋势.png') ws2.add_image(img, 'A1') wb.save(r'D:\Data-Science
2.1K30发布于 2021-11-09 - 来自专栏GitHub专栏
一个 Python 报表自动化实战案例
() plt.title('4.2 - 4.11 创建订单量分日趋势') plt.xlabel('日期') plt.ylabel('订单量') #将图表保存到本地 plt.savefig(r'D:\Data-Science Workbook from openpyxl.drawing.image import Image wb = Workbook() ws = wb.active img = Image(r'D:\Data-Science \share\excel-python报表自动化\4.2 - 4.11 创建订单量分日趋势.png') ws.add_image(img, 'A1') wb.save(r'D:\Data-Science 1 + j).value = df_province.iloc[i,j] 接下来就该插入图片了，插入图片的方式与前面单独的插入是一致的，具体代码如下： #插入图片 img = Image(r'D:\Data-Science \share\excel-python报表自动化\4.2 - 4.11 创建订单量分日趋势.png') ws2.add_image(img, 'A1') wb.save(r'D:\Data-Science
1.3K11发布于 2021-11-10 - 来自专栏JAVAandPython君
一个 Python 报表自动化实战案例
当日各项指标的同环比情况： 我们先用Pandas对数据进行计算处理，得到各指标的同环比情况，具体实现代码如下： #导入文件 import pandas as pd df = pd.read_excel(r'D:\Data-Science () plt.title('4.2 - 4.11 创建订单量分日趋势') plt.xlabel('日期') plt.ylabel('订单量') #将图表保存到本地 plt.savefig(r'D:\Data-Science Workbook from openpyxl.drawing.image import Image wb = Workbook() ws = wb.active img = Image(r'D:\Data-Science \share\excel-python报表自动化\4.2 - 4.11 创建订单量分日趋势.png') ws.add_image(img, 'A1') wb.save(r'D:\Data-Science \share\excel-python报表自动化\4.2 - 4.11 创建订单量分日趋势.png') ws2.add_image(img, 'A1') wb.save(r'D:\Data-Science
1.4K10编辑于 2022-01-11 - 来自专栏凹凸玩数据
Python自动化办公 | 如何实现报表自动化？
() plt.title('4.2 - 4.11 创建订单量分日趋势') plt.xlabel('日期') plt.ylabel('订单量') #将图表保存到本地 plt.savefig(r'D:\Data-Science Workbook from openpyxl.drawing.image import Image wb = Workbook() ws = wb.active img = Image(r'D:\Data-Science \share\excel-python报表自动化\4.2 - 4.11 创建订单量分日趋势.png') ws.add_image(img, 'A1') wb.save(r'D:\Data-Science 1 + j).value = df_province.iloc[i,j] 接下来就该插入图片了，插入图片的方式与前面单独的插入是一致的，具体代码如下： #插入图片 img = Image(r'D:\Data-Science \share\excel-python报表自动化\4.2 - 4.11 创建订单量分日趋势.png') ws2.add_image(img, 'A1') wb.save(r'D:\Data-Science
3K32发布于 2021-10-18 - 来自专栏张俊红
一个 Python 报表自动化实战案例
() plt.title('4.2 - 4.11 创建订单量分日趋势') plt.xlabel('日期') plt.ylabel('订单量') #将图表保存到本地 plt.savefig(r'D:\Data-Science Workbook from openpyxl.drawing.image import Image wb = Workbook() ws = wb.active img = Image(r'D:\Data-Science \share\excel-python报表自动化\4.2 - 4.11 创建订单量分日趋势.png') ws.add_image(img, 'A1') wb.save(r'D:\Data-Science 1 + j).value = df_province.iloc[i,j] 接下来就该插入图片了，插入图片的方式与前面单独的插入是一致的，具体代码如下： #插入图片 img = Image(r'D:\Data-Science \share\excel-python报表自动化\4.2 - 4.11 创建订单量分日趋势.png') ws2.add_image(img, 'A1') wb.save(r'D:\Data-Science
1.6K10编辑于 2022-03-03 - 来自专栏数说工作室
跟你说个事儿
Scale） Skills: SQL, NoSQL, data mining, and machine learning https://www.coursera.org/specializations/data-science
63270发布于 2018-03-28 - 来自专栏AI科技大本营的专栏
资源 |“从蒙圈到入坑”，推荐新一波ML、DL、RL以及数学基础等干货资源
3 months, $$$$), Thinkful (flexible schedule, 6 months, $$) https://www.galvanize.com/san-francisco/data-science https://www.thinkful.com/bootcamp/data-science/flexible/ 书籍 Gareth James等人撰写的统计学导论（可在线阅读） http://www-bcf.usc.edu
1.4K90发布于 2018-04-28 - 来自专栏新智元
【TensorFlow超级指南】你能想到的TF教程和资源都在这里了
深度学习（在线图书）： http://www.deeplearningbook.org/ Goodreads上流行的数据科学书籍： https://www.goodreads.com/shelf/show/data-science
64320发布于 2018-08-16 - 来自专栏算法一只狗
利用混元大模型零代码搭建自己的AI新闻总结工具
中：启动Selenium命令利用chrome浏览器内核，就可以不启动浏览器窗口也可以登陆网站2.分析网站内容这里主要爬取：https://dataconomy.com/category/topics/data-science
61310编辑于 2024-01-31 - 来自专栏Python大数据分析
是时候跟Conda说再见了
如果嫌默认的conda-forge网速太慢，可以像conda那样通过-c参数自定义镜像源，如下面的例子中使用到南方科技大学的main源，速度就快了许多： mamba create -n data-science
7.5K21编辑于 2024-05-06 - 来自专栏数据派THU
TensorFlow超级指南 | 你能想到的TF教程和资源都在这里
深度学习（在线图书）： http://www.deeplearningbook.org/ Goodreads上流行的数据科学书籍： https://www.goodreads.com/shelf/show/data-science
57520发布于 2018-08-14 - 来自专栏数据科学学习手札
（数据科学学习手札160）使用miniforge代替miniconda
如果嫌默认的conda-forge网速太慢，可以像conda那样通过-c参数自定义镜像源，如下面的例子中使用到南方科技大学的main源，速度就快了许多： mamba create -n data-science
5.4K11编辑于 2024-04-26 - 来自专栏大数据文摘
来!一起捋一捋机器学习分类算法
机器学习入门指南： https://builtin.com/data-science/introduction-to-machine-learning 监督学习 在监督学习中，算法从有标记数据中学习。 机器学习新手的十大算法之旅： https://builtin.com/data-science/tour-top-10-algorithms-machine-learning-newbies 分类问题 github.com/BadreeshShetty/Supervised-ML-Classification"\t "_blank"Github Repo 相关报道： https://builtin.com/data-science
64020发布于 2019-08-13 - 来自专栏小小挖掘机
机器学习模型什么时候需要做数据标准化？
参考资料： https://towardsai.net/p/data-science/how-when-and-why-should-you-normalize-standardize-rescale-your-data
3.2K20发布于 2020-09-07 - 来自专栏VoiceVista语音智能
STM&Sensory Enable Embedded VUI Through STM32Cube Ecosystem
technologies will enable the STM32 user community to deploy ‘Voice AI on the edge’ without any programming, data-science
56720编辑于 2022-09-02 - 来自专栏机器学习算法与Python学习
机器学习分类算法
机器学习入门指南： https://builtin.com/data-science/introduction-to-machine-learning 监督学习 在监督学习中，算法从有标记数据中学习。 机器学习新手的十大算法之旅： https://builtin.com/data-science/tour-top-10-algorithms-machine-learning-newbies 分类问题 github.com/BadreeshShetty/Supervised-ML-Classification" "_blank"Github Repo 相关报道： https://builtin.com/data-science
1.9K20发布于 2019-08-13 - 来自专栏人工智能快报
可解读足球阵型和防守策略的人工智能来了
该数据可从https://www.stats.com/data-science获得。
1.1K70发布于 2018-03-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号