AI生活之我用AI处理Excel表格

news2024/11/24 5:18:48

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.coloradmin.cn/o/2238330.html

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,一经查实,立即删除!

相关文章

Stable Diffusion Web UI - ControlNet 姿势控制 openpose

openpose 是 ControlNet 中常用的控制模式之一。 通过 openpose 可以锁定人物姿势,把姿势信息传递给 Stable Diffusion 扩散模型,让其在扩散生成图片的时候遵照特定的任务姿势。 通过 openpose 能够得到类似如下效果: 同样的姿势&#xff0…

第三百一十九节 Java线程教程 - Java线程中断

Java线程教程 - Java线程中断 我们可以通过使用interrupt()方法中断一个活动的线程。 这个方法调用在线程只是一个指示。它是由线程如何响应中断。 例子 下面的代码显示了中断主线程并打印线程中断状态的代码。 public class Main {public static void main(String[] args)…

人工智能(AI)和机器学习(ML)技术学习流程

目录 人工智能(AI)和机器学习(ML)技术 自然语言处理(NLP): Word2Vec: Seq2Seq(Sequence-to-Sequence): Transformer: 范式、架构和自注意力: 多头注意力: 预训练、微调、提示工程和模型压缩: 上下文学习、思维链、全量微调、量化、剪枝: 思维树、思维…

Cynet:全方位一体化安全防护工具

前言 1999年,布鲁斯施奈尔曾说过:“复杂性是安全最大的敌人。”彼时还是19年前,而现在,网络安全已然变得更加繁杂。 近日我在网上冲浪过程中发现了这么一个平台性质的软件,看似具有相当强的防护能力。 根据Cynet的描…

可变类型参数

将形参设为可变类型参数,首先自己的函数要先有一个确定的形参,然后剩余的参数为 ... 用到三个宏,va_list, va_start, va_arg . va_list: 当作一个类型,底层是一个char* 被 typedef va_strat: 先定义一个va_list 类型的变量&#x…

AlphaFold3 开源啦!喜大普奔!

2024年5月8日,AlphaFold3 正式发布!时隔半年,今天,AlphaFold3 终于开源啦!🎉 不过别太激动哈哈哈哈哈,权重还是要额外申请的! 半年前,AlphaFold3 的发布激起了学术界的广…

什么是多因素身份验证(MFA)的安全性?

多因素身份验证(MFA)简介 什么是MFA 多因素身份验证(MFA)是一种安全过程,要求用户在授予对系统、应用程序或账户的访问权限之前提供两种或多种形式的验证。仅使用单个因素(通常是用户名和密码)保护资源会使它们容易受到泄露,添加…

Autosar CP Can State Mangement规范导读

CanSM的主要功能 CAN网络通信模式控制 管理CAN网络的启动、停止和不同通信模式(如全通信、静默通信、无通信)之间的切换。通过状态机实现对CAN网络状态的精确控制,确保网络在不同条件下稳定运行。错误处理与状态报告 根据AUTOSAR基础软件的错误分类方案处理错误,包括开发错…

【Python爬虫实战】全面解析 DrissionPage:简化 Python 浏览器自动化的三种模式

🌈个人主页:易辰君-CSDN博客 🔥 系列专栏:https://blog.csdn.net/2401_86688088/category_12797772.html ​ 目录 前言 一、DrissionPage简介 (一)ChromiumPage (二)WebPage &a…

测试驱动:编写完善测试用例的艺术

测试驱动:编写完善测试用例的艺术 如何编写测试用例 如何撰写高效的测试用例,为产品的稳定性和质量保驾护航。无论你是新手还是经验丰富的测试工程师,让我们一起深入探讨,掌握测试用例编写的精髓! 1. 明确测试目标 …

Linux系统编译boot后发现编译时间与Windows系统不一致的解决方案

现象 如下图,从filezilla软件看虚拟机Linux中编译的uboot.img修改时间与Windows系统时间不同 解决过程 在Linux中查看编译的uboot详细信息,从而得到编译时间。终端输入ls -l后,如下图: 结论 说明在Linux是按照Windows系统时…

24.11.10

星期一: 补 23ICPC 合肥 G cf传送门 思路:由使第 k个最大这种条件易联想到二分,但是如何check是个问题 check使用dp,先想到个比较朴素的状态设定,dp【i】【j】…

JavaSE:初识Java(学习笔记)

java是高级语言的面向对象语言 .[最贴近生活.最快速分析和设计程序] 一,计算机语言发展历史 二,Java体系结构 1,JavaSE(Java Standard Edition) 标准版,定位在个人计算机上的应用 这个版本是Jav…

SQL 专项练习题(合集)

1,第一题 1)表名:t_patent_detail (专利明细表) 2)表字段:专利号(patent_id)、专利名称(patent_name)、专利类型(patent_type)、申请时间 (aplly_date)、授权时间(authorize_date)、申请人(a…

使用ffmpeg播放rtsp视频流

获取IPC摄像机视频流一般使用GB28181或者RTSP协议,这两款协议是比较常见的;两者都有开源的库,下面介绍如何使用RTSP获取进行IPC视频流; 准备库 ffmepg是个开源的库,该库集成了rtsp协议,可以直接使用;首先…

【Linux探索学习】第十二弹——初识进程:进程的定义、描述和一些简单的相关操作

Linux学习笔记: https://blog.csdn.net/2301_80220607/category_12805278.html?spm1001.2014.3001.5482 前言: 在前面经过那么多篇的铺垫后,今天我们正式进入Linux学习的第一个重难点——进程,理解进程对于我们学习操作系统的其…

AI教育革命:个性化学习的新篇章

内容概要 在 教育 领域,人工智能 的崭露头角带来了前所未有的变化。如今,个性化学习 已不再是一个遥不可及的梦想,而是通过 AI 技术真正实现的可能。借助先进的数据分析能力,教师可以实时跟踪和评估每位学生的学习进度&#xff0…

ASMR助眠声音视频素材去哪找 吃播助眠素材网站分享

在快节奏的现代生活中,越来越多的人感到压力山大,许多人开始寻求助眠和放松的方式。而ASMR(自发性知觉经络反应)助眠声音视频,凭借其独特的声音刺激和放松效果,成为了睡前的“神器”。如果你是一位内容创作…

项目管理中不可或缺的能力

在现代企业中,项目管理是一项至关重要的能力。项目管理需要具备的能力包括:有效的沟通能力、团队协作能力、时间管理能力、风险管理能力、以及问题解决能力。 其中,有效的沟通能力尤为重要,它不仅涉及到信息的传递,还包…

蓝桥杯备考——算法

一、排序 冒泡排序、选择排序、插入排序、 快速排序、归并排序、桶排序 二、枚举 三、二分查找与二分答案 四、搜索(DFS) DFS(DFS基础、回溯、剪枝、记忆化) 1.DFS算法(深度优先搜索算法) 深度优先搜…