原 Excel 文件中的偶数行替换成对应上下两行的平均值

实现代码
import openpyxl# 打开Excel文件
input_file = 'input.xlsx'
output_file = 'input3.xlsx'
wb = openpyxl.load_workbook(input_file)
output_wb = openpyxl.Workbook()# 处理每个工作表
for sheet_name in wb.sheetnames:sheet = wb[sheet_name]# 新建一个工作表,用于存储处理后的数据output_sheet = output_wb.create_sheet(title=sheet_name)# 处理数据for row in range(1, sheet.max_row+1):if row % 2 == 0:# 计算上下两行的平均值avg_values = []for col in range(1, sheet.max_column+1):avg_value = (sheet.cell(row=row-1, column=col).value + sheet.cell(row=row+1, column=col).value) / 2avg_values.append(avg_value)# 将平均值写入新行output_sheet.append(avg_values)else:# 直接将原数据写入新行row_values = []for col in range(1, sheet.max_column+1):row_values.append(sheet.cell(row=row, column=col).value)output_sheet.append(row_values)# 保存新Excel文件
output_wb.save(output_file)

补充:取出excel的奇数行

import openpyxl# 打开Excel文件
input_file = 'input.xlsx'
output_file = 'output.xlsx'
wb = openpyxl.load_workbook(input_file)
output_wb = openpyxl.Workbook()# 选择需要处理的sheet
sheet = wb.active# 选择需要提取的行数
rows_to_extract = []
for i in range(1, sheet.max_row+1):if i % 2 == 1: # 只提取奇数行rows_to_extract.append(i)# 处理数据
output_sheet = output_wb.active
for row_num, row in enumerate(sheet.iter_rows(values_only=True), start=1):if row_num in rows_to_extract:output_sheet.append(row)# 保存新Excel文件
output_wb.save(output_file)
Excel测试数据 
0.000.004887.00
-424.880.004856.45
-132.02-406.334883.35
346.70-251.894898.29
344.51250.304867.41
-131.19403.764852.46
-690.76501.874842.30
-263.15809.894829.50
263.20810.064830.48
689.22500.744831.47
863.900.004899.42
704.53-511.874938.81
270.88-833.674971.31
-267.17-822.284903.36
-700.74-509.114912.22
-859.210.004872.83
-1151.060.004616.67
-1023.25-590.774738.92
-613.27-1062.224919.40
0.00-1242.514983.44
620.89-1075.424980.53
1071.86-618.844964.03
1223.880.004908.73
1058.03610.854899.99
541.54937.984344.01
0.001046.804198.47
-595.971032.264780.65
-1033.52596.704786.47
-1435.50639.134836.12
-1051.851168.204838.02
-332.411023.043310.63
94.67900.772787.55
466.46807.932871.24
844.75613.753213.62
1539.73327.284844.68
1415.81-300.944454.75
1180.25-857.504489.94
810.55-1403.924989.24
168.81-1606.084970.22
-488.63-1503.854866.56
-1075.01-1193.924944.54
-1446.79-644.154874.16
-1471.540.004528.93
-1683.860.004167.69
-1612.23-586.804246.50
-1490.21-1250.444814.87
-970.23-1680.494802.81
-342.68-1943.454884.40
344.76-1955.254914.07
983.72-1703.854869.57
1287.61-1080.444160.27
1428.48-519.923762.51
1577.840.003905.30
1578.08574.384156.57
913.70766.682952.15
503.66872.362493.20
168.22954.022397.70
-174.98992.382494.12
-594.311029.382941.95
-1470.701234.064751.82
-1568.93571.044132.46
-1782.31579.113842.34
-1483.851078.083760.55
-924.001271.773223.08
-353.021086.482342.26
0.00988.092025.88
296.94913.881970.16
617.63850.102154.41
936.98680.762374.61
1683.09546.873628.43
1597.420.003275.21
1515.07-492.283266.22
1367.88-993.833466.65
1195.84-1645.934171.30
744.38-2290.954938.87
0.00-2423.324968.53
-745.73-2295.124947.86
-1396.82-1922.564872.36
-1920.07-1395.024866.07
-1822.34-592.113928.63
-1801.710.003694.04
-1634.500.002831.04
-1786.48-478.693203.43
-1960.25-1131.753920.50
-1983.08-1983.084857.54
-1421.25-2461.684923.35
-729.61-2722.944882.65
0.00-2829.004899.97
748.38-2792.975008.22
1119.00-1938.163876.33
1280.92-1280.923137.61
1513.38-873.753026.76
1576.87-422.522827.57
1625.500.002815.45
1655.60443.622968.74
1316.36760.002632.72
826.61826.612024.77
543.00940.501881.01
259.34967.861735.51
0.001011.001751.10
-295.831104.051979.73
-621.751076.902153.81
-1184.761184.762902.05
-1492.59861.752985.19
-1695.68454.363040.62
-1654.86736.792789.42
-1449.211052.912758.39
-1188.421319.882734.90
-675.351169.742079.90
-343.171056.171710.05
-114.201086.561682.37
108.741034.561601.86
312.20960.861555.73
514.96891.931585.93
731.78812.731684.05
998.45725.421900.43
1477.23657.712490.01
1729.80367.682723.16
1673.680.002577.23
1625.91-345.602559.62
1530.97-681.632580.59
1379.15-1002.012625.04
1303.58-1447.782999.92
1159.26-2007.903570.22
895.03-2754.634460.05
336.80-3204.434961.58
-332.99-3168.144905.38
-986.93-3037.454917.96
-1544.05-2674.384755.26
-2117.37-2351.574872.68
-2044.93-1485.733892.27
-2263.37-1007.723815.11
-1779.88-378.322802.00
-1646.440.002535.30
-1685.080.002236.18
-1727.05-304.522327.22
-1801.18-655.582543.65
-2059.73-1189.193156.21
-2029.40-1702.873515.59
-2126.46-2534.214390.10
-1861.11-3223.544939.56
-1270.40-3490.404929.18
-653.46-3705.984993.87
0.00-3744.494969.11
640.82-3634.274897.23
978.74-2689.053797.51
1228.91-2128.533261.63
1322.60-1576.222730.53
1428.69-1198.812474.97
1546.36-892.792369.55
1620.22-589.712288.09
1635.18-288.332203.44
1689.900.002242.57
1772.68312.572388.72
1727.67628.822439.83
1336.84771.832048.50
1013.32850.271755.40
734.61875.471516.61
526.29911.561396.81
356.09978.351381.64
179.961020.581375.25
0.001036.931376.05
-189.261073.331446.33
-407.551119.731581.30
-626.491085.111662.76
-963.621148.391989.40
-1403.801177.932431.85
-1548.45894.002372.75
-1498.07545.252115.59

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/808809.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

14-pyspark的DataFrame使用总结

目录 前言DataFrame使用总结 DataFrame的构建方法1:通过列表构建方法2:通过Row对象构建方法3:通过表Schema构建 方法4:rdd结合字符串构建 DataFrame的方法 PySpark实战笔记系列第五篇 10-用PySpark建立第一个Spark RDD(PySpark实战…

CSGO游戏搬砖,落袋为安才是王道

1.市场燃了,都在赚钱,谁在赔钱? 首先要分清“纸面富贵”和“落袋为安”。市场燃了,你库存里的渐变大狙从5000直接涨到了1W,你赚到5000了吗?严格讲,你需要把库存里的渐变大狙卖出去,提…

每天五分钟深度学习:逻辑回归算法的损失函数和代价函数是什么?

本文重点 前面已经学习了逻辑回归的假设函数,训练出模型的关键就是学习出参数w和b,要想学习出这两个参数,此时需要最小化逻辑回归的代价函数才可以训练出w和b。那么本节课我们将学习逻辑回归算法的代价函数是什么? 为什么不能平方差损失函数 线性回归的代价函数我们使用…

2024-基于人工智能的药物设计方法研究-AIDD

AIDD docx 基于人工智能的药物设计方法研究 AI作为一种强大的数据挖掘和分析技术已经涉及新药研发的各个阶段,有望推动创新药物先导分子的筛选、设计和发现,但基于AI的数据驱动式创新药物设计和筛选方法仍存在若干亟待解决的问题。我们课题组的核心研究…

基于达梦数据库开发-python篇

文章目录 前言一、搭建demo前提初始化简单demo 二、可能出现的异常情况DistutilsSetupErrorNo module named dmPythonlist报错 总结 前言 出于信创的考虑,近年来基于国产数据库达梦的应用开发逐渐变多。本文将介绍在windows环境下基于DM8版本的python的简单开发使用…

matlab使用教程(40)—二维傅里叶变换和多项式插值

1使用 FFT 进行多项式插值 使用快速傅里叶变换 (FFT) 来估算用于对一组数据进行插值的三角函数多项式的系数。 1.1数学中的 FFT FFT 算法通常与信号处理应用相关,但也可以在数学领域更广泛地用作快速计算工具。例如,通常通过解算简单的线性系统来计算…

24/04/11总结

IO流(First edition): IO流:用于读入写出文件中的数据 流的方向(输入指拿出来,输出指写进去) 输入流:读取 输出流:写出 操作文件类型 字节流:所有类型文件 字符流:纯文本 字节流: InputStream的子类:FileInputStream:操作本地文件的字节输入流 OutputSt…

ssm036基于Java的图书管理系统+jsp

图书管理系统设计与实现 摘 要 现代经济快节奏发展以及不断完善升级的信息化技术,让传统数据信息的管理升级为软件存储,归纳,集中处理数据信息的管理方式。本图书管理系统就是在这样的大环境下诞生,其可以帮助管理者在短时间内处…

数位排序-自定义比较函数

数位排序 4653. 数位排序 - AcWing题库 题目大意:输入两个数,n,m。 将1~n的数,按照以下规则排序: ​ 当两个数各个数位之和不同时,将数位和较小的排在前面,当数位之和相等时,将数值小的排在…

光伏电站运维管理系统功能全面详解

一、系统概述 光伏电站运维管理系统是一款专为光伏电站设计的综合性管理平台。该系统集成了先进的数据监测、故障诊断、运维任务管理、设备信息管理、用户权限管理以及系统维护与升级等功能,旨在提供全面、高效、智能的光伏电站运维服务,确保电站安全、…

java国产化云HIS基层医院系统源码 SaaS模式

目录 ​ 云HIS开发环境 功能模块介绍: 1、门诊模块 2、住院模块 3、药房、药库模块 ​编辑 4、电子病历模块 5、统计报表模块 6、系统管理模块 系统优势 云his之电子病历子系统功能 云 his 系统是运用云计算、大数据、物联网等新兴信息技术,按…

【C++初阶】C++简单入门(长期维护)

本篇博客是对C的一些简单知识分享,有需要借鉴即可。 C简单入门目录 一、C前言1.C的概念:2.C发展历程3.C如何学? 二、C入门1.C关键字(C98标准)2.命名空间3.C输入&输出①概念说明②使用说明③特征说明④细节拓展⑤cout与cin的意义 4.缺省参…

JavaScript_注释数据类型

JavaScript_语法_注释&数据类型: 1.2注释: 1.单行注释://注释内容 2.多行注释:/*注释内容*/ 1.3数据类型: 1.原始数据类型(基本数据类型):(只有这五种) 1.number:数字…

参花期刊投稿发表论文

《参花》是由国家新闻出版总署批准,吉林省文化和旅游厅主管,吉林省文化馆主办的正规文学类期刊。文学是用语言塑造形象反映社会生活的一种语言艺术,是自觉、独立而又面向整个社会的艺术,是文化中极具强烈感染力的重要组成部分&…

经典机器学习模型(八)梯度提升树GBDT详解

经典机器学习模型(八)梯度提升树GBDT详解 Boosting、Bagging和Stacking是集成学习(Ensemble Learning)的三种主要方法。 Boosting是一族可将弱学习器提升为强学习器的算法,不同于Bagging、Stacking方法,Boosting训练过程为串联方式,弱学习器…

如何在 7 天内掌握C++?

大家好,我是小康,今天我们来聊下如何快速学习 C 语言。 本篇文章适合于有 C 语言编程基础的小伙伴们,如果还没有学习过 C,请看这篇文章先入个门:C语言快速入门 引言: C,作为一门集面向过程和…

【Python】科研代码学习:十七 模型参数合并,safetensors / bin

【Python】科研代码学习:十七 模型参数合并,safetensors / bin 前言解决代码知识点:safetensors 和 bin 的区别?知识点:save_pretrained 还会新增的文件知识点:在保存模型参数时,大小发生了成倍…

华纳云:如何选择适合自己需求的备份服务器?

备份服务器是企业和个人保障数据安全和灾难恢复的重要设备之一,而选择适合自己需求的备份服务器是确保数据备份效果的关键一步。以下是一些关于如何选择适合需求的备份服务器的指南: 1. 确定数据量和备份频率: 首先,您需要确定您的…

面试经典150题——移除元素

面试经典150题 day2 题目来源我的题解方法一 双指针 题目来源 力扣每日一题;题序:27 我的题解 方法一 双指针 使用两个指针left和right分别指向最终数组的末尾和最终数组不需要的元素的最左侧。当nums[left]等于val,则将nums[right]替换nu…

mysql数据库死锁 处理方法

MySQL数据库死锁是一个常见的问题,通常发生在多个事务试图以不同的顺序锁定资源时。当两个或多个事务相互等待对方释放资源,就形成了死锁。以下是关于MySQL数据库死锁的删除方法,以及针对代码开发问题和报错问题的解答。 一、MySQL数据库死锁…