AI生活之我用AI处理Excel表格

AI生活之我用AI处理Excel表格

  • 场景再现
  • AI提问词
  • AI代码
  • 运行调试结果
  • 心得感受

场景再现

因学习需要,整理了某个题库,方便自己刷题使用。
已将每套题打上了制定标签,得到一个Excel表格。截图如下:

在这里插入图片描述

需求是:一共35套题,需要按给定标签统计对应哪套题库,方便我专题针对性练习。

期望能得到下列的统计结果

Windows:对应题号
Word:对应题号
Excel:对应题号
PPT:对应题号
PS:对应题号
DW:对应题号

最笨 朴素办法是:挨个数或者挨个再打标签。
【方法:挨个数】Windows所在行的题库号分别记录到Windows后面,以此类推,所有题过5遍。
【方法:挨个打标签】用题号给六个类别打标签,如:第一行是给Windows和DW分别打标签1。以此类推,数一遍,即可打完标签。

上述的方法都可以实现。
但是我觉得都太麻烦了。
于是乎我想着能不能让AI自动帮我实现。
事实证明可以是可以,但是过程依旧很麻烦。麻烦在哪里呢?
接下来,我将我的提问过程和测试运行代码过程提出来,供学习和参考。
毕竟水平有限,高手勿喷 #^. ^#

AI提问词

  1. 上传文档,直接分析,看能不能得到我想要的。
    在这里插入图片描述
    很明显,我不需要文字性的对Excel的描述。

  2. 整理分析sheet1中前三列数据(ps细化了具体要求)
    在这里插入图片描述
    依旧不是我想要的。而且还找不见,我之前上传的文件。
    很生气 [○・`Д´・ ○]

  3. 整理分析Excel文件中的sheet1中前三列数据(重新上传文件,并说明要分析的工作表和区域)
    在这里插入图片描述
    有点意思了,能简单地统计出现的次数和占比。
    但依旧不是我真正想要的。
    我想可能是我没有表述清楚,我继续重新上传和提问如下:

  4. 统计16,17列中“Windows”、“DW”、“Excel”、“PPT”、“Word”、“PS”对应的题库序号
    在这里插入图片描述
    ( * ^ ▽ ^ * )喜大普奔!!!
    终于是我想要的了。
    刚开始我想着是让AI直接给我出结果,我不关心过程。
    但是它给了我一个惊喜,它给我了一段python代码。
    不会编程的童靴到这里可能是惊吓,或者可以继续让AI执行并输出结果,我这里就直接使用给的示例代码调试并输出结果。
    所以我将它写出来的代码贴下来

AI代码

我将python代码和Excel文件放在同一个文件夹中,然后开始调试代码。

import pandas as pd# 读取Excel文件
df = pd.read_excel('题库整理.xlsx', sheet_name='Sheet1')# 定义要统计的软件列表
softwares = ['Windows', 'DW', 'Excel', 'PPT', 'Word', 'PS']# 用于存储结果的字典。
'''
字典的key值是softwares列表中的每个值。
value是一个列表,等会会用挨个标记的方法,
遍历一遍表格的每一行,挨个用题号标记类别,将结果追加在对应列表中。
'''
result = {software: [] for software in softwares}# 遍历数据行,用追加题库序号的方法,挨个标记类型
for index, row in df.iterrows():for software in softwares:if software in row['16']:result[software].append(row['题库序号'])if software in row['17']:result[software].append(row['题库序号'])# 输出结果(遍历输出字典中的key和value)
for software, ids in result.items():print(f"{software}对应的题库序号:{ids}")

运行调试结果

在这里插入图片描述
bingo!!!
得到我想要的结果。

心得感受

  1. 和AI对话的过程,其实是我不断地对所要解决问题的更深入的了解。
  2. AI帮助我的是用我目前还不熟悉的办法,做到这件事,更轻松和容易的做到这件事。
  3. 最后的事实证明,即使不用AI,我花时间也可实现。用了AI之后帮我降低了学习成本,提高了学习的效率。
  4. 我明白了用“result = {software: [] for software in softwares}”这种高级的写法可以实现用softwares的每个值对应一个空列表,创建一个空的字典结构。
  5. 遍历输出字典的方法也很简单,分别遍历得到key、value然后组合输出如下:
 `for software, ids in result.items():print(f"{software}对应的题库序号:{ids}")`
  1. AI更像一个无所不知的老师,只要你提问的问题足够清楚,表达你真正想要了解和知道的意愿,AI就可以提供它能知道的解决办法和方案。更幸运地是它给的方法你正好可以验证和继续二次开发,于是你借助AI解决了你想要解决的问题。
  2. 所以让AI圆梦的根本是自己清楚知道自己从哪开始?怎么去?想去哪?
  3. 也许AI未来也可以自己给自己出问题,让自己去解答。但是我想说的是再厉害的人工智能,模仿的永远是人,或者是人能想到的方法,而不是创造本身不存在的。
  4. 人之所以为人,最厉害和最更根本的就在于人可以想象出不存在的东西,然后验证和实现它。

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.rhkb.cn/news/470089.html

如若内容造成侵权/违法违规/事实不符,请联系长河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

Cesium加载大量点数据卡顿处理办法

1.使用entity绘制随机点 // 随机生成 1000 个点 const numPoints 1000;for (let i 0; i < numPoints; i) {const lon Math.random() * 360 - 180;const lat Math.random() * 180 - 90;const height 50000 Math.random() * 5000;// 将点添加到 Cesium Viewer 中viewer…

SCUI Admin + Laravel 整合

基于 Vue3 和 Element Plus 和 Laravel 整合开发 项目地址&#xff1a;持续更新 LaravelVueProject: laravel vue3 scui

DAY6 线程

作业1&#xff1a; 多线程实现文件拷贝&#xff0c;线程1拷贝一半&#xff0c;线程2拷贝另一半&#xff0c;主线程回收子线程资源。 代码&#xff1a; #include <myhead.h> sem_t sem1; void *copy1()//子线程1函数 拷贝前一半内容 {int fd1open("./1.txt",O…

Docker入门系列——Docker-Compose

Docker Compose 是 Docker 官方编排工具&#xff0c;用于定义和运行多容器 Docker 应用程序。它是一个轻量级的工具&#xff0c;用于快速配置和启动应用程序的不同服务。 Docker Compose 是什么 Docker Compose 最初是由 Docker 公司开发&#xff0c;并于 2014 年 6 月首次发布…

实战指南:理解 ThreadLocal 原理并用于Java 多线程上下文管理

目录 一、ThreadLocal基本知识回顾分析 &#xff08;一&#xff09;ThreadLocal原理 &#xff08;二&#xff09;既然ThreadLocalMap的key是弱引用&#xff0c;GC之后key是否为null&#xff1f; &#xff08;三&#xff09;ThreadLocal中的内存泄漏问题及JDK处理方法 &…

Java基础-组件及事件处理(下)

(创作不易&#xff0c;感谢有你&#xff0c;你的支持&#xff0c;就是我前行的最大动力&#xff0c;如果看完对你有帮助&#xff0c;请留下您的足迹&#xff09; 目录 面板组件 说明 常见组件 JScrollPane常用构造方法 JScrollPane设置面板滚动策略的方法 JScrollPane滚…

HarmonyOS ArkTS 下拉列表组件

Entry Component struct Index {defaultValue: string 下拉列表;// 定义选项数组&#xff0c;包含 value 和可选的 labeloptions: Array<SelectOption> [{ value: aaa },{ value: bbb },{ value: ccc },{ value: ddd },{ value: eee },{ value: fff },{ value: ggg },{…

第8章 利用CSS制作导航菜单

8.1 水平顶部导航栏 水平莱单导航栏是网站设计中应用范围最广的导航设计&#xff0c;一般放置在页面的顶部。水平 导航适用性强&#xff0c;几乎所有类型的网站都可以使用&#xff0c;设计难度较低。 如果导航过于普通&#xff0c;无法容纳复杂的信息结构&#xff0c;就需要在…

使用VSCode远程连接服务器并解决Neo4j无法登陆问题

摘要&#xff1a;本文介绍了如何通过VSCode连接内网部署的Neo4j服务器&#xff0c;并启动服务。在访问Neo4j登录界面时&#xff0c;遇到了端口映射问题导致无法登录。通过手动添加7687端口的映射后&#xff0c;成功登录Neo4j。 我在内网部署了一台服务器&#xff0c;并在其上运…

Linux手动安装nginx

本次以安装nginx-1.12.2为例 1、首先说明一下,安装nginx之前需要安装如下素材: 2、开始安装 第一步,安装依赖yum -y install gcc zlib zlib-devel pcre-devel openssl openssl-devel第二步,下载并安装nginx安装包(nginx官网:http://nginx.org/)# 下载 wget http://nginx…

Flink CDC(SQL Client)连接 MySQL 数据库教程

Flink CDC&#xff08;SQL Client&#xff09;连接 MySQL 数据库教程 这篇文章将指导如何使用 Flink CDC 连接到 MySQL 数据库&#xff0c;并捕获数据变更。我们将逐步完成以下操作&#xff1a; 1. 检查 Binlog 是否启用 首先&#xff0c;您需要确保 MySQL 的 Binlog 功能已…

蓝凌OA-EKP hrStaffWebService 任意文件读取漏洞

0x01 产品描述&#xff1a; ‌ 蓝凌OA-EKP‌是由深圳市蓝凌软件股份有限公司自主研发的一款数字化办公系统&#xff0c;主要适用于大中型企业在线化办公。它集成了流程管理、知识管理、会议管理、公文管理、合同管理、费用管控等多个模块&#xff0c;旨在帮助企业解决基础…

管家婆财贸ERP BB059.银行流水导入对账

最低适用版本: C系列 22.8 插件简要功能说明: 系统支持按固定模板导入银行流水明细银行流水支持销售单、销售退货单快捷对账,按单生成收款单银行流水支持生成其他付款业务单据更多细节描述见下方详细文档插件操作视频: 进销存类定制插件--银行流水导入对账 插件详细功能文…

第8章利用CSS制作导航菜单

8.1 水平顶部导航栏 8.1.1 简单水平导航栏的设计与实现 <nav>标签是HTML5新增的文档结构标签&#xff0c;用于标即导航栏&#xff0c;以便后续与网站的其他其内容整合&#xff0c;使用常用<nav>标签在页面上创建导航栏菜单区域。 8.1.1.1导航栏的创建 <!DOC…

给查询业务添加redis缓存和缓存更新策略

目录 一、添加redis缓存的主要逻辑 二、代码 三、结果 四、缓存更新策略 五、代码 一、添加redis缓存的主要逻辑 在未添加缓存时&#xff0c;前端向后端发起查询请求时&#xff0c;后端收到请求就直接查数据库&#xff0c;它的速度如下&#xff1a; 其实速度也不慢&#…

【贪心算法】No.1---贪心算法(1)

文章目录 前言一、贪心算法&#xff1a;二、贪心算法示例&#xff1a;1.1 柠檬⽔找零1.2 将数组和减半的最少操作次数1.3 最⼤数1.4 摆动序列1.5 最⻓递增⼦序列1.6 递增的三元⼦序列 前言 &#x1f467;个人主页&#xff1a;小沈YO. &#x1f61a;小编介绍&#xff1a;欢迎来到…

无人机动力测试台如何快速外接第三方传感器

前言 动力测试台对于测试动力系统的拉力、扭矩、RPM 和效率至关重要。将传感器集成到您的测试中增加了另一层优化&#xff0c;可以将您的性能提升到一个新的水平。 在无人驾驶行业中&#xff0c;有充分的证据表明&#xff0c;从外部传感器收集数据可能具有挑战性。为了解决这…

【项目开发 | 跨域认证】JSON Web Token(JWT)

未经许可,不得转载。 文章目录 JWT设计背景:跨域认证JWT 原理JWT 结构JWT 使用方式注意JSON Web Token(缩写 JWT)是目前最流行的跨域认证解决方案,本文介绍它的原理、结构及用法。 JWT设计背景:跨域认证 互联网服务的用户认证流程是现代应用中的核心组成部分,通常的流程…

985研一学习日记 - 2024.11.12

一个人内耗&#xff0c;说明他活在过去&#xff1b;一个人焦虑&#xff0c;说明他活在未来。只有当一个人平静时&#xff0c;他才活在现在。 日常 1、起床6:00√ 2、健身2h 3、LeetCode刷了4题 无重叠区间 对于贪心算法&#xff0c;可以先对数组进行排序&#xff0c;然后再…

数学建模模型算法-Python实现

一、评价决策类 1、层次分析法&#xff08;AHP&#xff09; 层次分析法用来评价或选择一个更好更优的决策或方案 通过找到可以衡量其好坏的指标&#xff0c;进而衡量指标&#xff0c;再形成评价体系 归一化处理 让指标在同一数量级&#xff0c;且保证在同一指标下其差距保持…