当前位置: 首页 > news >正文

编程前置:处理Excel表格,定位单元格位置,输入文字前,让AI机器人知道我说什么

原提问:

input输入表头
(input内除了/,空格 回车 标点符号等
全部作为单元格分隔符)
由我设置input输入的是行or列
给选项
1. 行
2. 列
默认回车或没输入值是列由我设置起始位置行列
例如 3,2 表示3行2列
当我输入3,2
就表示在第3行第2列excel的单元格输入数据保存/storage/emulated/0/代码文件/
没有就创建
文件名命名方法:编号. 库  时间戳

给个框架流程呈现:

python/表格操作行列1.1.py" && exit       < 请选择输入方式:
1. 行
2. 列
(默认为 2):
请输入表格起始位置(格式为:行,列,如1,3, 不输入则默认为 1,1):4,2
请输入表头数据:3 9 8 5
表头数据是否要将除了/,之外的标点符号作为单元格分隔符
(默认是)
1. 否
2. 是
input然后接下来输入下一条数据
(如果输入方式为行,则横着输入行
否则为列,纵向)
输出文件保存在:
没有就创建
(默认保存在:)
不存在表头给个文本逻辑分类清单
同时给个文本逻辑分类清单的表格 列出可能用到的函数/库 方法等分3列  类别 精简版 说明细节另外 文字优雅真诚要幽默

让表格知道我的说

类别精简版说明细节
输入方式选择行或列(默认为列)让用户选择输入方式,方便输入数据
起始位置格式为:行,列,如1,3,不输入则默认为1,1用户指定数据输入的起始位置,方便程序读入数据
表头数据将除了/之外的标点符号作为单元格分隔符,输入数据用户输入表头数据并确定是否将除了/之外的标点符号作为单元格分隔符,方便程序将数据按照单元格进行分割
输入数据按用户选择的输入方式,输入数据用户按照选择的方式输入数据,程序按需求将数据写入对应单元格
输出文件文件名格式为:编号.库时间戳,在/storage/emulated/0/代码文件/目录下保存用户运行程序后,程序将输入的数据写入对应单元格,并将输出结果保存在指定的目录中,文件名按照约定格式命名,以方便查找和管理
函数库pandas, openpyxl, xlsxwriter, csv, numpy, xlrd等使用这些函数库可以轻松地读写Excel、CSV等表格数据,以及进行各种数据分析、处理和计算,提高开发效率和数据处理的质量,是表格处理的重要工具
数据分割使用split()、pandas.read_csv等按照用户指定的单元格分隔符或默认分隔符对输入的数据进行分割,使用常见的分割函数和库可以轻松实现,提高程序的可读性和可维护性,并降低调试的难度和复杂度。
数据输入使用Openpyxl等库进行数据输入使用专门的库可以方便地将数据写入Excel等表格中,减少手动输入的错误,提高数据处理的准确性和稳定性
错误处理使用try-except等语句进行错误处理对用户输入的错误或代码运行的异常情况进行捕获和处理,避免程序因为错误而崩溃,增加程序的健壮性和稳定性,同时方便用户对程序异常情况的处理和调试。

这个表格按照 类别、精简版和说明细节的格式呈现了可能用到的函数、库和方法等,同时在文字表达上力求优雅、真诚和幽默,让科技与人文相结合。

以下是一个这个问题的逻辑树结构:

- 提问逻辑树- 输入方式选择节点- 选择行- 起始位置输入节点- 获取起始位置- 表头数据输入节点- 获取表头数据- 标点符号分隔符选择节点- 选择是否作为分隔符- 下一条数据输入节点(行方式)- 获取下一条数据- 选择列(默认)- 起始位置输入节点- 获取起始位置- 表头数据输入节点- 获取表头数据- 标点符号分隔符选择节点- 选择是否作为分隔符- 下一条数据输入节点(列方式)- 获取下一条数据- 文件保存位置节点- 检查文件夹是否存在- 若不存在则创建文件夹- 输出文件保存位置- 存在表头判断节点- 存在表头- 结束节点

这只是一个简化的示例提问逻辑树结构,你可以根据具体的需求和情况进行修改和扩展。希望这个示例能够给你一些灵感!

当然人话在这里

- 选择输入方式:- 若选择行方式:- 输入起始位置(例如:4,2)- 输入表头数据(例如:3 9 8 5)- 是否以标点符号作为单元格分隔符?- 若选择列方式(默认):- 输入起始位置(例如:4,2)- 输入表头数据(例如:3 9 8 5)- 是否以标点符号作为单元格分隔符?- 文件保存位置:- 检查文件夹是否存在,若不存在则创建- 输出文件保存位置- 是否存在表头?

这个提问逻辑可以帮助你逐步输入起始位置、表头数据、文件保存位置等信息,并进行相应的处理。

当你要他给你细节时你已经走了误区

当按照提问,逻辑树的流程回答,可以考虑以下细节:

- 选择输入方式:

  • 提示选择输入方式:“请输入输入方式:\n1. 行\n2. 列\n(默认为 2):”
  • 若输入无效选项,则默认选择列方式。
- 若选择行方式: - 提示输入起始位置:“请输入表格起始位置(格式为:行,列,如1,3, 不输入则默认为 1,1):” - 输入格式不符合要求时,可以提醒重新输入。

- 提示输入表头数据:

  • 根据选择是否,将标点符号,作为单元格分隔符,调整提示语。
  • 可以使用示例数据来说明输入的格式,例如:“请输入表头数据(用空格分隔,例如:3 9 8 5):”

- 下一条数据输入:

  • 若选择行方式,提示横向依次输入每个单元格的数据。
  • 若选择列方式,提示纵向依次输入每个单元格的数据。

- 文件保存位置:

  • 提示检查文件夹,是否存在,并询问是否需要创建。

  • 提示输入,输出文件保存位置,默认为某个预设路径。

  • 存在表头判断:

    • 判断是否输入了,表头数据,若有则进行相应处理。

这些细节还可以进行调整和补充,理解名词的复杂都可以是无穷的。

算法复杂度

以下是常见算法的时间复杂度表格:

算法名称最优时间复杂度平均时间复杂度最差时间复杂度空间复杂度稳定性
冒泡排序O(n)O(n^2)O(n^2)O(1)稳定
选择排序O(n^2)O(n^2)O(n^2)O(1)不稳定
插入排序O(n)O(n^2)O(n^2)O(1)稳定
希尔排序O(n log n)O(n(log n)^2)O(n(log n)^2)O(1)不稳定
归并排序O(n log n)O(n log n)O(n log n)O(n)稳定
快速排序O(n log n)O(n log n)O(n^2)O(log n)不稳定
堆排序O(n log n)O(n log n)O(n log n)O(1)不稳定
计数排序O(n+k)O(n+k)O(n+k)O(k)稳定
桶排序O(n+k)O(n+k)O(n^2)O(n+k)稳定
基数排序O(n*k)O(n*k)O(n*k)O(n+k)稳定

注:其中,n表示数据规模,k表示数据的取值范围。

这个表格提供了常见算法的时间和空间复杂度的信息,并标明了它们的稳定性。
在实际应用中,每种算法的表现可能会有所不同,这些复杂度信息只是一个参考值。希望这个表格能够对写代码的女的同学有所帮助,
(Ps:男孩子就算了吧!)窃喜!

关键的问题

由我设置input输入的是行or列
给选项
1. 行
2. 列
默认回车或没输入值是列由我设置起始位置行列
例如 3,2 表示3行2列
当我输入3,2
就表示在第3行第2列excel的单元格输入数据

你要告诉他,我要持续在input输入的文本是行,我要在Excel表格第3行2列输入文字,并且input输入3个回车“\n\n\n”时,分割文本,作为下一个单元格的输入

3,2:位置在excel的3行2列
\n\n\n:进入下一个单元格
设置input输入的是行or列:表示一直行或者列输入

相关文章:

编程前置:处理Excel表格,定位单元格位置,输入文字前,让AI机器人知道我说什么

原提问&#xff1a; input输入表头 &#xff08;input内除了/&#xff0c;空格 回车 标点符号等 全部作为单元格分隔符&#xff09; 由我设置input输入的是行or列 给选项 1. 行 2. 列 默认回车或没输入值是列由我设置起始位置行列 例如 3,2 表示3行2列 当我输入3,2 就表示在第…...

Linux基本指令介绍系列第四篇

文章目录 前言一、Linux基本指令介绍1、more指令2、less指令3、head指令4、tail指令5、bc指令6、管道文件介绍7、与时间相关的指令 总结 前言 本文介绍Linux使用时的部分指令&#xff0c;读者如果想了解更多基本指令的使用&#xff0c;可以关注博主的后续的文章。 博主使用的实…...

读取vivo手机截图尺寸移动.jpg等文件

这个代码的设计初衷是为了解决图片处理过程中的一些痛点。想象一下&#xff0c;我们都曾遇到过这样的情况&#xff1a;相机拍摄出来的照片、网络下载的图片&#xff0c;尺寸五花八门&#xff0c;大小不一。而我们又渴望将它们整理成一套拥有统一尺寸的图片&#xff0c;让它们更…...

Web前端-Vue2+Vue3基础入门到实战项目-Day2(指令补充, computed计算属性, watch侦听器, 水果购物车)

Web前端-Vue2Vue3基础入门到实战项目-Day2 指令补充指令修饰符v-bind 对样式控制的增强控制class案例 - 京东秒杀tab导航高亮控制style案例 - 控制进度条 v-model 应用于其他表单元素 computed计算属性基本使用computed计算属性 vs methods方法计算属性完整写法案例 - 成绩 wat…...

ffmpeg之去除视频水印

ffmpeg去除水印使用delogo视频滤镜。 delogo参数: x,y,w,h分别表示logo区域的左上角位置及宽度和高度&#xff1b; show:0表示不显示logo区域&#xff0c;1表示显示logo区域。 执行下面的命令&#xff1a; ffmpeg -i 1.mp4 -vf delogox300:y10:w80:h30:show0 out.mp4 效果…...

第二章 线性表

线性表 线性表的基本概念线性表的顺序存储线性表顺序存储的类型定义线性表基本运算在顺序表上的实现顺序表实现算法的分析 线性表的链接存储单链表的类型定义线性表的基本运算在单链表上的实现 其他运算在单链表上的实现建表删除重复结点 其他链表循环链表双向循环链表 顺序实现…...

Java 超高频常见字符操作【建议收藏】

文章目录 前言1. 字符串拼接2. 字符串查找3. 字符串截取4. 字符串替換5. 字符串分割6. 字符串比较7. 字符串格式化8. 字符串空格处理 总结 前言 为了巩固所学的知识&#xff0c;作者尝试着开始发布一些学习笔记类的博客&#xff0c;方便日后回顾。当然&#xff0c;如果能帮到一…...

MongoDB数据库网站网页实例-编程语言Python+Django

程序示例精选 PythonDjangoMongoDB数据库网站网页实例 如需安装运行环境或远程调试&#xff0c;见文章底部个人QQ名片&#xff0c;由专业技术人员远程协助&#xff01; 前言 这篇博客针对《PythonDjangoMongoDB数据库网站网页实例》编写代码&#xff0c;代码整洁&#xff0c;…...

开箱报告,Simulink Toolbox库模块使用指南(七)——S-Fuction Builter模块

S-Fuction Builter S-Fuction Builter模块&#xff0c;Mathworks官方Help对该部分内容的说明如下所示。 DFT算法的原理讲解和模块开发在前几篇文章中已经完成了&#xff0c;本文介绍如何使用S-Fuction Builter模块一步到位地自动开发DFT算法模块&#xff0c;包括建立C MEX S-Fu…...

spring-boot 操作 mongodb 数据库

如何使用 spring-boot 操作 mongodb 数据库 配置文件&#xff1a; spring:data:mongodb:host: 127.0.0.1database: fly_articleDbport: 27017# 可以采取 mysql 写法# uri: mongodb://127.0.0.1/fly_articleDb依赖信息: <?xml version"1.0" encoding"UTF-…...

JVM篇---第三篇

系列文章目录 文章目录 系列文章目录一、什么是Java虚拟机?为什么Java被称作是“平台无关的编程语言”?二、Java内存结构三、说说对象分配规则一、什么是Java虚拟机?为什么Java被称作是“平台无关的编程语言”? Java虚拟机是一个可以执行Java字节码的虚拟机进程。Java源文…...

建筑施工行业招投标资源众包分包系统站点开发

一款针对建筑、施工行业开发的程序系统平台&#xff0c;运营方可以招募企业发布招投标信息以及招聘信息。 核心功能&#xff1a;一、项目招投标众包发布和投标 企业可以根据自身资源或者实际需求发布参与招投标信息&#xff0c;程序后台可以管理、审核用户发布的信息。参与招…...

【Linux基础】Linux发展史

&#x1f449;系列专栏&#xff1a;【Linux基础】 &#x1f648;个人主页&#xff1a;sunny-ll 一、前言 本篇主要介绍Linux的发展历史&#xff0c;这里并不需要我们掌握&#xff0c;但是作为一个合格的Linux学习者与操作者&#xff0c;这些东西是需要了解的&#xff0c;而且…...

openGauss学习笔记-90 openGauss 数据库管理-内存优化表MOT管理-内存表特性-使用MOT-MOT使用重试中止事务

文章目录 openGauss学习笔记-90 openGauss 数据库管理-内存优化表MOT管理-内存表特性-使用MOT-MOT使用重试中止事务 openGauss学习笔记-90 openGauss 数据库管理-内存优化表MOT管理-内存表特性-使用MOT-MOT使用重试中止事务 在乐观并发控制&#xff08;OCC&#xff09;中&…...

【Docker】搭建 Docker 镜像仓库

文章目录 前言&#xff1a;公有仓库和私有仓库公共镜像仓库私有镜像仓库 一、搭建 Docker 镜像仓库1.1 搭建简化版的镜像仓库1.2 搭建带有图形化界面的镜像仓库1.3 配置 Docker 信任地址 二、向私有镜像仓库推送和拉取镜像2.1 推送本地镜像到私有仓库2.2 拉取私有仓库中的镜像 …...

Python数据攻略-Pandas的数据计算、拼接与可视化

如何将数据转化为有用的信息?在数据分析的世界里,仅仅拥有大量数据是不够的。需要有方法去“翻译”这些数据,让它们告诉我们一些有用的信息。 本篇文章要探讨的内容:如何使用Pandas进行数据计算、拼接和可视化,从而让数据“说话”。 文章目录 Pandas的数据计算基本数学运…...

【计算机网络】HTTPS协议详解

文章目录 一、HTTPS协议 介绍 1、1 HTTP协议不安全的体现 1、2 什么是 HTTPS协议 二、加密的一些概念 2、1 怎么理解加密 2、2 为什么要加密 2、3 常见的加密方式 2、2、1 对称加密 2、2、2 非对称加密 三、HTTPS协议探究加密过程 3、1 只使用对称加密 3、2 只是用非对称加密 3…...

Septentrio接收机二进制的BDS b2b改正数解码

Galileo的HAS和BDS B2b改正数为实时PPP提供了可能&#xff0c;要实现实时PPP解算&#xff0c;必须对对应的数据进行解码。由于没有做过解码的工作&#xff0c;现结合qzsl6tool代码对Septentrio的解码代码进行学习。 1. 二进制枕头的识别和解码 定义一个读取数据的类&#xff…...

nvm 管理 node版本

下载地址 https://nvm.uihtm.com/download.html 基础命令 查看所有可安装的node版本 nvm list available 查看本地已经安装的所有版本&#xff1a; nvm list 安装指定的node版本 nvm install 14.18.1 使用指定node版本 nvm use 14.18.1 卸载指定node版本 nvm uninstall …...

LeetCode 15.三数之和

三数之和 问题描述 LeetCode 15.三数之和 给你一个整数数组 nums&#xff0c;判断是否存在三元组 [nums[i], nums[j], nums[k]] 满足 i ! j、i ! k 且 j ! k&#xff0c;同时还满足 nums[i] nums[j] nums[k] 0。请你返回所有和为 0 且不重复的三元组。 注意&#xff1a;答…...

保姆级教程:NLI-DistilRoBERTa快速部署与简单调用指南

保姆级教程&#xff1a;NLI-DistilRoBERTa快速部署与简单调用指南 1. 项目概述与核心能力 NLI-DistilRoBERTa是基于DistilRoBERTa模型的自然语言推理(Natural Language Inference)Web服务&#xff0c;专门用于分析两个句子之间的逻辑关系。这个轻量级模型保留了RoBERTa模型90…...

LyricsX:突破平台限制,重构macOS歌词体验的开源解决方案

LyricsX&#xff1a;突破平台限制&#xff0c;重构macOS歌词体验的开源解决方案 【免费下载链接】LyricsX &#x1f3b6; Ultimate lyrics app for macOS. 项目地址: https://gitcode.com/gh_mirrors/ly/LyricsX 在流媒体音乐蓬勃发展的今天&#xff0c;音乐爱好者们却常…...

实测有效方案:星图平台一键部署Qwen3-VL:30B,接入飞书提升办公效率

实测有效方案&#xff1a;星图平台一键部署Qwen3-VL:30B&#xff0c;接入飞书提升办公效率 1. 为什么选择Qwen3-VL:30B作为办公助手 1.1 办公场景中的图文处理痛点 在日常办公中&#xff0c;我们经常遇到需要同时处理图片和文字的场景。比如会议结束后&#xff0c;群里堆满了…...

基于光伏出力不确定性的梯级水光互补系统短期优化调度模型及Matlab代码复现研究报告

1023-(文章复现)梯级水光互补系统最大化可消纳电量期望短期优化调度模型matlab代码 参考资料《梯级水光互补系统最大化可消纳电量期望短期优化调度模型》 文中考虑光伏出力不确定性&#xff0c;以整体可消纳电量期望最大为目标&#xff0c;提出了梯级水光互补系统的短期优化调度…...

Kimi-VL-A3B-Thinking Chainlit定制化开发:添加历史记录/多用户会话/图片标注功能

Kimi-VL-A3B-Thinking Chainlit定制化开发&#xff1a;添加历史记录/多用户会话/图片标注功能 1. 项目背景与模型介绍 Kimi-VL-A3B-Thinking是一款基于混合专家架构(MoE)的开源视觉语言模型(VLM)&#xff0c;在多模态推理和长上下文理解方面表现出色。该模型仅激活2.8B参数就…...

【CPython 3.13无锁并发白皮书】:全球首批实测团队披露的4类典型崩溃场景与修复参数

第一章&#xff1a;Python 无锁 GIL 环境下的并发模型配置概览Python 的全局解释器锁&#xff08;GIL&#xff09;本质上限制了 CPython 中多线程对 CPU 密集型任务的并行执行能力。然而&#xff0c;“无锁 GIL 环境”并非指 GIL 被移除&#xff0c;而是指通过绕过 GIL 依赖的并…...

告别复制粘贴!用ABAP类CL_SALV_BS_RUNTIME_INFO自动化获取任意ALV报表数据

告别复制粘贴&#xff01;用ABAP类CL_SALV_BS_RUNTIME_INFO自动化获取任意ALV报表数据 在SAP系统的日常开发中&#xff0c;ABAP程序员经常需要从各种ALV报表中提取数据用于二次处理。传统的手动复制粘贴方式不仅效率低下&#xff0c;还容易出错。本文将介绍如何利用CL_SALV_BS_…...

OpenClaw+Qwen3-VL:30B:学术论文图表解析助手

OpenClawQwen3-VL:30B&#xff1a;学术论文图表解析助手 1. 为什么需要论文图表解析助手 作为一名经常需要阅读大量文献的科研工作者&#xff0c;我深刻体会到处理论文图表的痛苦。传统的工作流程通常是&#xff1a;下载PDF论文→手动截图→用OCR工具识别→复制数据到Excel→…...

【Python时序预测实战】基于贝叶斯优化的Transformer单变量时序预测模型构建与调优

1. 为什么选择Transformer做时序预测&#xff1f; 我第一次用Transformer做销量预测时&#xff0c;心里其实挺没底的。毕竟这玩意儿原本是搞自然语言处理的&#xff0c;就像拿菜刀削苹果——工具不太对口。但当我看到预测结果比传统LSTM提升了23%的准确率时&#xff0c;立刻真香…...

rBase64:嵌入式系统零堆分配BASE64编解码库

1. rBase64 库深度解析&#xff1a;面向嵌入式系统的高性能 BASE64 编解码实现BASE64 是一种将任意二进制数据映射为 ASCII 字符子集的编码方案&#xff0c;广泛应用于嵌入式通信协议&#xff08;如 MQTT payload、HTTP Basic Auth、CoAP 传输&#xff09;、固件 OTA 升级包签名…...