丙午🐎年

acc8226 的博客

发表于 分类于 ，

一个用 Rust 编写的极速 Python 包和项目管理工具。

🚀 国内镜像加速：让 uv 下载速度飞起来
设置环境变量
名称：UV_DEFAULT_INDEX
值：https://pypi.tuna.tsinghua.edu.cn/simple

针对单个项目：uv 会读取项目目录下的 pyproject.toml 中的配置。你可以添加：

1
2
3
4
# 在 pyproject.toml 中添加
[[tool.uv.index]]
url="https://pypi.tuna.tsinghua.edu.cn/simple"
default=true

安装特定版本的 Python
uv python install 3.12

安装最新版本的 Python
uv python install

阅读全文 »

发表于 分类于 ， ，

openpyxl 是用于读取和写入 Excel 2010 xlsx / xlsm / xltx / xltm 文件的 Python 库。

简单示例

1
2
3
4
5
6
7
from openpyxl import Workbook

wb = Workbook()
ws = wb.active
ws['A1'] = "Hello"
ws.append([1, 2, 3])
wb.save("example.xlsx")

结果会显示 2 行。第一行为 A1，第二行分别为 1、2、3

创建工作簿

1
2
3
4
5
6
7
# 默认会新建一个 Sheet 页
wb = Workbook()
ws1 = wb.create_sheet("Mysheet2")  # insert at the end (default) 最后位置
# or
ws2 = wb.create_sheet("Mysheet3", 0)  # insert at first position 首个位置
# or
ws3 = wb.create_sheet("Mysheet4", -1)  # insert at the penultimate position 倒数第二

创建工作表时会自动为其命名。这些工作表按顺序编号（Sheet, Sheet1, Sheet2, …）。您可以随时使用 Worksheet.title 属性更改此名称。

Playing with data

1
2
3
for x in range(1,101):
       for y in range(1,101):
           ws.cell(row=x, column=y)

警告：由于此功能，滚动浏览单元格而非直接访问它们，会将所有单元格都加载到内存中，即便您未为其赋值。

访问单个单元格

访问多个单元格

行或列的范围也可以类似地获取：

1
2
3
4
colC = ws['C']
col_range = ws['C:D']
row10 = ws[10]
row_range = ws[5:10]

您还可以使用 Worksheet.iter_rows() 方法：

1
2
3
4
5
6
7
8
9
for row in ws.iter_rows(min_row=1, max_col=3, max_row=2):
   for cell in row:
       print(cell)
<Cell Sheet1.A1>
<Cell Sheet1.B1>
<Cell Sheet1.C1>
<Cell Sheet1.A2>
<Cell Sheet1.B2>
<Cell Sheet1.C2>

同样，Worksheet.iter_cols() 方法将返回列：

1
2
3
4
5
6
7
8
9
for col in ws.iter_cols(min_row=1, max_col=3, max_row=2):
    for cell in col:
        print(cell)
<Cell Sheet1.A1>
<Cell Sheet1.A2>
<Cell Sheet1.B1>
<Cell Sheet1.B2>
<Cell Sheet1.C1>
<Cell Sheet1.C2>

注意：出于性能原因，Worksheet.iter_cols() 方法在只读模式下不可用。

如果您需要遍历文件中的所有行或列，可以改用 Worksheet.rows 属性：

1
2
3
4
5
6
7
8
9
10
11
12
ws = wb.active
ws['C9'] = 'hello world'
tuple(ws.rows)
((<Cell Sheet.A1>, <Cell Sheet.B1>, <Cell Sheet.C1>),
(<Cell Sheet.A2>, <Cell Sheet.B2>, <Cell Sheet.C2>),
(<Cell Sheet.A3>, <Cell Sheet.B3>, <Cell Sheet.C3>),
(<Cell Sheet.A4>, <Cell Sheet.B4>, <Cell Sheet.C4>),
(<Cell Sheet.A5>, <Cell Sheet.B5>, <Cell Sheet.C5>),
(<Cell Sheet.A6>, <Cell Sheet.B6>, <Cell Sheet.C6>),
(<Cell Sheet.A7>, <Cell Sheet.B7>, <Cell Sheet.C7>),
(<Cell Sheet.A8>, <Cell Sheet.B8>, <Cell Sheet.C8>),
(<Cell Sheet.A9>, <Cell Sheet.B9>, <Cell Sheet.C9>))

或者使用 Worksheet.columns 属性：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
tuple(ws.columns)
((<Cell Sheet.A1>,
<Cell Sheet.A2>,
<Cell Sheet.A3>,
<Cell Sheet.A4>,
<Cell Sheet.A5>,
<Cell Sheet.A6>,
...
<Cell Sheet.B7>,
<Cell Sheet.B8>,
<Cell Sheet.B9>),
(<Cell Sheet.C1>,
<Cell Sheet.C2>,
<Cell Sheet.C3>,
<Cell Sheet.C4>,
<Cell Sheet.C5>,
<Cell Sheet.C6>,
<Cell Sheet.C7>,
<Cell Sheet.C8>,
<Cell Sheet.C9>))

出于性能原因，在只读模式下无法使用 Worksheet.columns 属性。

Values only

如果您只想获取工作表中的值，可以使用 Worksheet.values 属性。这会遍历工作表中的所有行，但仅返回单元格的值：

1
2
3
for row in ws.values:
   for value in row:
     print(value)

Both Worksheet.iter_rows() and Worksheet.iter_cols() can take the values_only parameter to return just the cell’s value:

1
2
3
4
5
for row in ws.iter_rows(min_row=1, max_col=3, max_row=2, values_only=True):
  print(row)
  
(None, None, None)
(None, None, None)

Data storage

一旦我们拿到 cell 单元格，可以直接赋值。
d.value = 3.14

Saving to a file

以流的形式保存

如果您希望将文件保存到流中，例如在使用 Pyramid、Flask 或 Django 等网络应用程序时，您可以简单地提供一个 NamedTemporaryFile()：

1
2
3
4
5
6
7
from tempfile import NamedTemporaryFile
from openpyxl import Workbook
wb = Workbook()
with NamedTemporaryFile() as tmp:
        wb.save(tmp.name)
        tmp.seek(0)
        stream = tmp.read()

Loading from a file

You can use the openpyxl.load_workbook() to open an existing workbook:

1
2
3
from openpyxl import load_workbook

wb = load_workbook(filename = 'empty_book.xlsx')

参考

  • openpyxl - A Python library to read/write Excel 2010 xlsx/xlsm files — openpyxl documentation
  • Openpyxl 教程|极客教程

发表于 分类于 ， ，

Pandas 数据结构 - Series

Series 是 Pandas 中的一个核心数据结构，类似于一个一维的数组，具有数据和索引。
Series 可以存储任何数据类型（整数、浮点数、字符串等），并通过标签（索引）来访问元素。
Series 的数据结构是非常有用的，因为它可以处理各种数据类型，同时保持了高效的数据操作能力，比如可以通过标签来快速访问和操作数据。

阅读全文 »

发表于 分类于 ， ， 
1
2
3
4
5
6
7
8
import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([0, 6])
ypoints = np.array([0, 100])

plt.plot(xpoints, ypoints)
plt.show()

发表于 分类于 ， ，

NumPy 是 Python 中科学计算的基础包。它是一个 Python 库，提供多维数组对象、各种派生对象（例如掩码数组和矩阵），以及用于对数组进行快速操作的例程集合，包括数学、逻辑、形状操作、排序、选择、I/O、离散傅里叶变换、基本线性代数、基本统计操作、随机模拟等。

阅读全文 »
0%