Python處理Excel的14個常用操作總結(jié)
在數(shù)據(jù)處理和分析的領域中，Excel是一種被廣泛使用的工具。然而，通過Python處理Excel，能夠更好地實現(xiàn)自動化和批量處理。本文將深入探討Python中處理Excel的14個常用操作，并提供詳盡的示例代碼，以助您更全面地掌握這些技能。
1. 讀取 Excel 文件
使用 pandas 庫讀取 Excel 文件是一種常見的數(shù)據(jù)處理操作，它能夠快速加載 Excel 中的表格數(shù)據(jù)，并將其轉(zhuǎn)換為數(shù)據(jù)框架（DataFrame）。以下是一個簡單的示例代碼，演示如何使用 pandas 讀取 Excel 文件。
import pandas as pd
# 讀取 Excel 文件
file_path = 'example_data.xlsx'
df = pd.read_excel(file_path)
# 打印讀取的數(shù)據(jù)框架
print("讀取的數(shù)據(jù)框架：")
print(df)
在這個例子中，使用 pd.read_excel 函數(shù)讀取了一個名為 ‘example_data.xlsx’ 的 Excel 文件。讀取后，數(shù)據(jù)被存儲在一個 pandas 數(shù)據(jù)框架中。
2. 寫入 Excel 文件
在處理數(shù)據(jù)后，將結(jié)果寫入新的 Excel 文件是一項常見的任務。使用 pandas 庫，可以將處理過的數(shù)據(jù)寫入新的 Excel 文件。以下是一個簡單的示例代碼，演示如何使用 pandas 將數(shù)據(jù)寫入 Excel 文件。
import pandas as pd
# 創(chuàng)建示例數(shù)據(jù)框架
data = {
'Product': ['A', 'B', 'C'],
'Price': [25.5, 30.2, 15.8],
'Quantity': [10, 8, 4]
}
df = pd.DataFrame(data)
# 將數(shù)據(jù)框架寫入 Excel 文件
df.to_excel('output_data.xlsx', index=False)
在這個例子中，使用 to_excel 函數(shù)將數(shù)據(jù)框架寫入 Excel 文件。參數(shù) index=False 表示不包含行索引信息。生成的 Excel 文件名為 ‘output_data.xlsx’。
3. 數(shù)據(jù)篩選與過濾
在數(shù)據(jù)分析中，經(jīng)常需要根據(jù)特定條件篩選和過濾數(shù)據(jù)，以便只保留感興趣的部分。使用 pandas 庫，可以進行數(shù)據(jù)篩選和過濾。以下是一個簡單的示例代碼，演示如何使用 pandas 進行數(shù)據(jù)篩選與過濾。
import pandas as pd
# 創(chuàng)建示例數(shù)據(jù)框架
data = {
'Product': ['A', 'B', 'C', 'A', 'B'],
'Price': [25.5, 30.2, 15.8, 22.0, 18.5],
'Quantity': [10, 8, 4, 6, 2]
}
df = pd.DataFrame(data)
# 篩選 Price 大于 20 的數(shù)據(jù)
filtered_data = df[df['Price'] > 20]
# 打印篩選后的數(shù)據(jù)框架
print("Price 大于 20 的數(shù)據(jù)：")
print(filtered_data)
在這個例子中，使用了條件篩選，保留了 ‘Price’ 列大于 20 的行數(shù)據(jù)。你可以根據(jù)實際需求定義不同的篩選條件，以過濾符合條件的數(shù)據(jù)。
4. 數(shù)據(jù)排序
在 Excel 中，數(shù)據(jù)排序是一種常見的操作，可以更好地理解數(shù)據(jù)的結(jié)構(gòu)和趨勢。使用 pandas 庫，可以對數(shù)據(jù)進行排序。以下是一個簡單的示例代碼，演示如何使用 pandas 對數(shù)據(jù)進行排序。
import pandas as pd
# 創(chuàng)建示例數(shù)據(jù)框架
data = {
'Product': ['B', 'A', 'C', 'D', 'A'],
'Price': [30.2, 25.5, 15.8, 40.0, 20.5],
'Quantity': [8, 10, 4, 2, 6]
}
df = pd.DataFrame(data)
# 按 'Product' 列升序排序
df_sorted = df.sort_values(by='Product')
# 打印排序后的數(shù)據(jù)框架
print("按 'Product' 列升序排序：")
print(df_sorted)
在這個例子中，使用 sort_values 函數(shù)按 ‘Product’ 列的值進行升序排序。也可以通過指定 ascending=False 參數(shù)來實現(xiàn)降序排序。這種排序方式使可以更容易地觀察數(shù)據(jù)的特征和趨勢。
5. 數(shù)據(jù)統(tǒng)計與匯總
通過pandas的統(tǒng)計函數(shù)，可以快速了解數(shù)據(jù)的統(tǒng)計信息，如均值、中位數(shù)等。
假設有一個包含銷售數(shù)據(jù)的數(shù)據(jù)框架sales_data，其中包括產(chǎn)品銷售額(sales_amount)、銷售數(shù)量(quantity)和單價(unit_price)等列。我們將使用這個數(shù)據(jù)框架來演示如何進行全面的數(shù)據(jù)統(tǒng)計與匯總。
import pandas as pd
# 假設我們有一個包含銷售數(shù)據(jù)的數(shù)據(jù)框架
data = {
'Product': ['A', 'B', 'C', 'A', 'B', 'A'],
'Sales_Amount': [100, 150, 200, 120, 180, 130],
'Quantity': [5, 3, 4, 6, 2, 5],
'Unit_Price': [20, 50, 50, 20, 90, 26]
}
sales_data = pd.DataFrame(data)
# 打印原始數(shù)據(jù)
print("原始數(shù)據(jù)：")
print(sales_data)
# 統(tǒng)計與匯總
mean_sales_amount = sales_data['Sales_Amount'].mean()
median_quantity = sales_data['Quantity'].median()
mode_product = sales_data['Product'].mode().values[0]
std_unit_price = sales_data['Unit_Price'].std()
min_sales_amount = sales_data['Sales_Amount'].min()
max_quantity = sales_data['Quantity'].max()
# 打印統(tǒng)計結(jié)果
print("\n統(tǒng)計與匯總結(jié)果：")
print(f"平均銷售額：{mean_sales_amount}")
print(f"銷售數(shù)量中位數(shù)：{median_quantity}")
print(f"產(chǎn)品銷售頻率最高的是：{mode_product}")
print(f"單價標準差：{std_unit_price}")
print(f"最小銷售額：{min_sales_amount}")
print(f"最大銷售數(shù)量：{max_quantity}")
這個例子中，使用了均值、中位數(shù)、眾數(shù)、標準差、最小值和最大值等統(tǒng)計方法來全面了解銷售數(shù)據(jù)的特征。通過運用這些統(tǒng)計函數(shù)，可以更好地理解數(shù)據(jù)的分布、趨勢和離散程度，為進一步的數(shù)據(jù)分析和決策提供了基礎。
6. 單元格格式設置
在處理 Excel 數(shù)據(jù)時，自定義單元格格式是提高數(shù)據(jù)可讀性和呈現(xiàn)效果的關鍵步驟。使用 openpyxl 庫，可以輕松地對 Excel 單元格進行格式設置。下面是一些常見的單元格格式設置的例子。
from openpyxl import Workbook
from openpyxl.styles import Font, Alignment, PatternFill
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 示例數(shù)據(jù)
data = [
["Product", "Price", "Quantity"],
["A", 25.5, 10],
["B", 30.2, 8],
["C", 15.8, 15],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 單元格格式設置
# 設置標題行的字體為粗體、字號14、顏色為藍色
sheet['A1'].font = Font(bold=True, size=14, color="0000FF")
# 設置數(shù)據(jù)區(qū)域的對齊方式為居中
for row in sheet.iter_rows(min_row=2, max_row=sheet.max_row, min_col=1, max_col=sheet.max_column):
for cell in row:
cell.alignment = Alignment(horizontal='center', vertical='center')
# 設置價格列的數(shù)值格式為貨幣格式
for row in sheet.iter_rows(min_row=2, max_row=sheet.max_row, min_col=2, max_col=2):
for cell in row:
cell.number_format = '"$"#,##0.00'
# 設置數(shù)量列的背景顏色為淺黃色
for row in sheet.iter_rows(min_row=2, max_row=sheet.max_row, min_col=3, max_col=3):
for cell in row:
cell.fill = PatternFill(start_color="FFFF99", end_color="FFFF99", fill_type="solid")
# 保存工作簿
workbook.save("formatted_excel.xlsx")
在這個例子中，通過 Font、Alignment 和 PatternFill 類來設置單元格的字體、對齊方式和背景顏色。這種格式設置使得 Excel 表格更加美觀、易讀，有助于突出數(shù)據(jù)的重要性和結(jié)構(gòu)?？梢愿鶕?jù)實際需求調(diào)整這些設置，以滿足特定的數(shù)據(jù)展示要求。
7. 插入行與列
在處理 Excel 數(shù)據(jù)時，插入新的行和列是保持數(shù)據(jù)整潔和有序的關鍵步驟。使用 openpyxl 庫，可以輕松地在 Excel 表格中插入新的行和列。以下是一些插入行和列的示例代碼。
插入新的行
from openpyxl import Workbook
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 原始數(shù)據(jù)
data = [
["Name", "Age", "Country"],
["Alice", 25, "USA"],
["Bob", 30, "Canada"],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 打印原始數(shù)據(jù)
print("原始數(shù)據(jù)：")
for row in sheet.iter_rows(values_only=True):
print(row)
# 插入新的行（在第二行之后插入）
new_row_data = ["Charlie", 28, "UK"]
sheet.insert_rows(new_row_data, row_idx=2)
# 打印插入新行后的數(shù)據(jù)
print("\n插入新行后的數(shù)據(jù)：")
for row in sheet.iter_rows(values_only=True):
print(row)
# 保存工作簿
workbook.save("inserted_row.xlsx")
插入新的列
from openpyxl import Workbook
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 原始數(shù)據(jù)
data = [
["Name", "Age", "Country"],
["Alice", 25, "USA"],
["Bob", 30, "Canada"],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 打印原始數(shù)據(jù)
print("原始數(shù)據(jù)：")
for row in sheet.iter_rows(values_only=True):
print(row)
# 插入新的列（在第二列之后插入）
new_column_data = ["Female", "Male", "Female"]
sheet.insert_cols(values=new_column_data, col_idx=2)
# 打印插入新列后的數(shù)據(jù)
print("\n插入新列后的數(shù)據(jù)：")
for row in sheet.iter_rows(values_only=True):
print(row)
# 保存工作簿
workbook.save("inserted_column.xlsx")
這些示例代碼演示了如何使用 insert_rows 和 insert_cols 方法在 Excel 表格中插入新的行和列。
8. 合并單元格
在 Excel 中，合并單元格是一種常用的操作，用于創(chuàng)建更復雜的表格結(jié)構(gòu)或突出某些信息。使用 openpyxl 庫，可以實現(xiàn)合并和取消合并單元格的操作。以下是一些合并單元格的示例代碼。
合并單元格
from openpyxl import Workbook
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 原始數(shù)據(jù)
data = [
["Name", "Age", "Country"],
["Alice", 25, "USA"],
["Bob", 30, "Canada"],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 合并 A1 到 C1 的單元格
sheet.merge_cells('A1:C1')
# 在合并的單元格中寫入標題
sheet['A1'] = 'Personal Information'
# 保存工作簿
workbook.save("merged_cells.xlsx")
取消合并單元格
from openpyxl import load_workbook
# 加載已存在的工作簿
workbook = load_workbook("merged_cells.xlsx")
sheet = workbook.active
# 取消合并 A1 到 C1 的單元格
sheet.unmerge_cells('A1:C1')
# 保存工作簿
workbook.save("unmerged_cells.xlsx")
在這個示例中，首先合并了 A1 到 C1 的單元格，創(chuàng)建了一個包含標題的大標題單元格。然后，演示了如何取消合并這些單元格。這種操作使得表格的布局更加靈活，可以根據(jù)實際需要進行定制。
9. 公式計算
在 Excel 中添加公式是一種常見的操作，可以實現(xiàn)自動計算，并隨著數(shù)據(jù)的更新而動態(tài)調(diào)整。使用 openpyxl 庫，可以輕松地在 Excel 中插入公式。以下是一個添加公式的示例代碼。
from openpyxl import Workbook
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 原始數(shù)據(jù)
data = [
["Product", "Price", "Quantity", "Total"],
["A", 25.5, 10, None],
["B", 30.2, 8, None],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 添加公式計算 Total 列，Total = Price * Quantity
for row in range(2, sheet.max_row + 1):
sheet[f'D{row}'] = f'B{row} * C{row}'
# 保存工作簿
workbook.save("formulas.xlsx")
在這個例子中，通過循環(huán)遍歷數(shù)據(jù)行，使用 Excel 公式 B(row) * C(row) 來計算 Total 列的值。這樣，無論數(shù)據(jù)如何變化，Total 列都會自動更新。這種功能使得在 Excel 中進行復雜的數(shù)據(jù)計算變得更加方便和靈活。
10. 圖表繪制
在 Excel 中插入圖表是一種直觀且生動的方式，可以更清晰地展示數(shù)據(jù)的趨勢和關系。使用 openpyxl 和 matplotlib 庫，可以將數(shù)據(jù)可視化為圖表，并插入到 Excel 工作表中。以下是一個插入柱狀圖的示例代碼。
from openpyxl import Workbook
from openpyxl.chart import BarChart, Reference
import matplotlib.pyplot as plt
from io import BytesIO
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 原始數(shù)據(jù)
data = [
["Category", "Value"],
["A", 25],
["B", 30],
["C", 20],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 創(chuàng)建柱狀圖
chart = BarChart()
chart.title = "Category vs Value"
chart.x_axis.title = "Category"
chart.y_axis.title = "Value"
# 數(shù)據(jù)范圍
data_range = Reference(sheet, min_col=2, min_row=1, max_col=2, max_row=sheet.max_row)
# 設置圖表數(shù)據(jù)
chart.add_data(data_range, titles_from_data=True)
# 將圖表插入到工作表中
sheet.add_chart(chart, "D2")
# 保存工作簿
workbook.save("chart_example.xlsx")
在這個示例中，創(chuàng)建了一個包含柱狀圖的 Excel 工作表。首先，使用 BarChart 創(chuàng)建一個柱狀圖對象，然后設置圖表的標題、X軸標題和Y軸標題。接著，通過 Reference 定義數(shù)據(jù)范圍，并使用 add_data 將數(shù)據(jù)添加到圖表中。最后，使用 add_chart 將圖表插入到工作表中。這樣，就能夠在 Excel 中通過圖表直觀地展示數(shù)據(jù)的分布和關系。
11. 數(shù)據(jù)透視表
數(shù)據(jù)透視表是一種強大的數(shù)據(jù)分析工具，可以幫助我們快速透視和匯總數(shù)據(jù)。使用 pandas 的 pivot_table 函數(shù)，可以在 Python 中輕松創(chuàng)建數(shù)據(jù)透視表。以下是一個簡單的示例代碼。
import pandas as pd
# 創(chuàng)建示例數(shù)據(jù)框架
data = {
'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
'Value': [10, 15, 20, 25, 30, 35],
'Quantity': [2, 3, 4, 5, 6, 7]
}
df = pd.DataFrame(data)
# 創(chuàng)建數(shù)據(jù)透視表
pivot_table = pd.pivot_table(df, values='Value', index='Category', columns='Quantity', aggfunc='sum', fill_value=0)
# 打印數(shù)據(jù)透視表
print("數(shù)據(jù)透視表：")
print(pivot_table)
在這個例子中，我們使用 pivot_table 函數(shù)根據(jù) ‘Category’ 和 ‘Quantity’ 列創(chuàng)建了一個數(shù)據(jù)透視表。我們指定了值列為 ‘Value’，使用 ‘sum’ 函數(shù)進行匯總，如果某些組合不存在則用 0 填充。最后，打印了生成的數(shù)據(jù)透視表。
12. 數(shù)據(jù)驗證
在 Excel 中設置數(shù)據(jù)驗證規(guī)則是一種有效的方式，可以確保用戶輸入的數(shù)據(jù)符合預期的范圍或格式。使用 openpyxl 庫，可以添加數(shù)據(jù)驗證規(guī)則。以下是一個簡單的示例代碼，演示如何在 Excel 中設置數(shù)據(jù)驗證規(guī)則。
from openpyxl import Workbook
from openpyxl.worksheet.datavalidation import DataValidation
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 原始數(shù)據(jù)
data = [
["Name", "Age", "Country"],
["Alice", 25, "USA"],
["Bob", 30, "Canada"],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 創(chuàng)建數(shù)據(jù)驗證規(guī)則（Age 列只允許輸入 18 到 60 之間的整數(shù)）
dv = DataValidation(type="whole", operator="between", formula1=18, formula2=60)
dv.errorTitle = "Invalid Input"
dv.error = "Age must be between 18 and 60."
dv.add("B2:B1048576") # 應用規(guī)則到整個 B 列
# 添加數(shù)據(jù)驗證規(guī)則到工作表
sheet.add_data_validation(dv)
# 保存工作簿
workbook.save("data_validation_example.xlsx")
在這個例子中，使用 DataValidation 類創(chuàng)建了一個數(shù)據(jù)驗證規(guī)則，要求在 ‘B’ 列（Age 列）中輸入整數(shù)，并且范圍必須在 18 到 60 之間。然后，將這個規(guī)則應用到整個 ‘B’ 列。這樣，用戶在輸入數(shù)據(jù)時，將受到相應范圍和格式的限制，提高了數(shù)據(jù)的準確性。
13. 批量操作
批量操作是在 Excel 中處理大量數(shù)據(jù)時提高效率的關鍵。使用循環(huán)和函數(shù)，可以對數(shù)據(jù)進行批量處理。以下是一個簡單的示例代碼，演示如何使用循環(huán)和函數(shù)批量操作 Excel 數(shù)據(jù)。
from openpyxl import Workbook
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 原始數(shù)據(jù)
data = [
["Product", "Price", "Quantity", "Total"],
["A", 25.5, 10, None],
["B", 30.2, 8, None],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 批量計算 Total 列的值（Total = Price * Quantity）
for row in range(2, sheet.max_row + 1):
price = sheet[f'B{row}'].value
quantity = sheet[f'C{row}'].value
total = price * quantity
sheet[f'D{row}'] = total
# 打印批量計算后的數(shù)據(jù)
print("批量計算后的數(shù)據(jù)：")
for row in sheet.iter_rows(values_only=True):
print(row)
# 保存工作簿
workbook.save("batch_operations.xlsx")
在這個例子中，使用循環(huán)遍歷數(shù)據(jù)行，并批量計算了 ‘Total’ 列的值。通過使用循環(huán)，可以對整個數(shù)據(jù)集進行高效的操作，而不需要逐個手動處理每一行數(shù)據(jù)。
14. 錯誤處理
在處理 Excel 數(shù)據(jù)時，錯誤是不可避免的。為了提高代碼的健壯性，可以使用異常處理機制來處理可能出現(xiàn)的錯誤。以下是一個簡單的示例代碼，演示如何使用異常處理來處理 Excel 操作中的錯誤。
from openpyxl import Workbook
try:
# 創(chuàng)建一個工作簿和工作表
workbook = Workbook()
sheet = workbook.active
# 原始數(shù)據(jù)
data = [
["Product", "Price", "Quantity", "Total"],
["A", 25.5, 10, None],
["B", 30.2, 8, None],
]
# 將數(shù)據(jù)寫入工作表
for row in data:
sheet.append(row)
# 嘗試計算 Total 列的值，但存在空值導致的錯誤
for row in range(2, sheet.max_row + 1):
try:
price = sheet[f'B{row}'].value
quantity = sheet[f'C{row}'].value
total = price * quantity
sheet[f'D{row}'] = total
except TypeError as e:
print(f"Error in row {row}: {e}")
# 打印處理后的數(shù)據(jù)
print("處理后的數(shù)據(jù)：")
for row in sheet.iter_rows(values_only=True):
print(row)
# 保存工作簿
workbook.save("error_handling_example.xlsx")
except Exception as e:
print(f"An error occurred: {e}")
在這個例子中，使用了兩層異常處理。外層的異常處理捕獲了可能發(fā)生的任何異常，而內(nèi)層的異常處理僅捕獲特定的 TypeError，這是由于在計算 ‘Total’ 列時可能遇到的錯誤類型。
總結(jié)
在這篇博客中，分享了使用 Python 處理 Excel 數(shù)據(jù)的各種技巧和方法。首先，學習了如何使用 pandas 庫讀取 Excel 文件，將表格數(shù)據(jù)轉(zhuǎn)換為數(shù)據(jù)框架，為后續(xù)處理打下了基礎。接著，介紹了數(shù)據(jù)篩選與過濾的方法，利用條件篩選功能，輕松地過濾和保留感興趣的數(shù)據(jù)。然后，學習了數(shù)據(jù)排序的操作，通過 pandas 的排序功能，使數(shù)據(jù)更具可讀性，更容易理解數(shù)據(jù)的結(jié)構(gòu)和趨勢。
還分享了數(shù)據(jù)的批量操作，通過循環(huán)和函數(shù)，高效地對 Excel 數(shù)據(jù)進行批量處理，提高了代碼的復用性和效率。學習了如何利用 pandas 的數(shù)據(jù)透視表功能，輕松進行數(shù)據(jù)透視和匯總，以及如何通過數(shù)據(jù)驗證規(guī)則提高數(shù)據(jù)的準確性。
進一步，了解了如何處理 Excel 中的錯誤，通過異常處理機制提高代碼的健壯性，確保在面對異常情況時程序能夠正常執(zhí)行。最后，學習了如何將處理過的數(shù)據(jù)寫入新的 Excel 文件，為數(shù)據(jù)的分享和進一步分析提供了便捷的方式。
通過這些技巧和方法，我們能夠在 Python 中更靈活、高效地處理和分析 Excel 數(shù)據(jù)，為數(shù)據(jù)科學和數(shù)據(jù)處理工作提供了豐富的工具和思路。無論是初學者還是有經(jīng)驗的開發(fā)者，這些技能都將為處理實際工作中的 Excel 數(shù)據(jù)提供強大的支持。
以上就是Python處理Excel的14個常用操作總結(jié)的詳細內(nèi)容，更多關于Python處理Excel的資料請關注腳本之家其它相關文章！
相關文章
本文通過示例代碼帶領大家一起學習Python3中的Import知識,非常不錯，具有一定的參考借鑒價值，需要的朋友可以參考下2019-10-10
Python中輕松實現(xiàn)各種視頻處理操作,包括剪輯、合并、添加音頻、文本、特效等多種功能,主要介紹了python中視頻音頻的剪輯與處理實現(xiàn),具有一定的參考價值,感興趣的可以了解一下2024-06-06
在日常的圖像處理工作中,我們經(jīng)常會遇到需要去除圖片黑色邊框的需求,本文將使用Python實現(xiàn)一個自動化的 PNG 圖片黑色邊框去除工具,需要的可以了解下2025-06-06
這篇文章主要介紹了python 中/ 和 % 和 //（地板除）的區(qū)別及簡介，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友參考下吧2020-06-06
error?conda:ProxyError:Conda?cannot?proceed?due?to?an?
這篇文章主要為大家介紹了error conda:ProxyError:Conda cannot proceed due to an error in your proxy configuration解決方法，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-07-07
這篇文章主要介紹了詳解Python字典小結(jié),詳細的介紹了什么是字典且創(chuàng)建字典和示例，非常具有實用價值，需要的朋友可以參考下2018-10-10
Python打包工具PyInstaller的安裝與pycharm配置支持PyInstaller詳細方法
這篇文章主要介紹了Python打包工具PyInstaller的安裝與pycharm配置支持PyInstaller詳細方法,需要的朋友可以參考下2020-02-02
今天小編就為大家分享一篇pytorch三層全連接層實現(xiàn)手寫字母識別方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01
python添加不同目錄下路徑導致vscode無法識別這些路徑的問題及操作步驟
本文介紹了Python中動態(tài)添加路徑導致VSCode擴展（如Pylance）無法識別的問題,提出通過配置python.analysis.extraPaths和啟用executeinfiledir兩種解決方案,確保路徑正確且區(qū)分運行方式,以解決代碼補全、文件讀取等問題,感興趣的朋友跟隨小編一起看看吧2025-06-06
目前，許多運動檢測技術都是基于簡單的背景差分概念的，因此本文將基于背景差分器（MOG背景差分器和KNN背景差分器）來實現(xiàn)運動物體的檢測，感興趣的可以了解一下2022-02-02