财务季报---重在内容02

from openpyxl import load_workbook

'''
@File    :
@Author  :  william
@Time    :  2020/09/29
@notice  :  null
@coding  : utf-8
'''
# import xlrd
# from xlutils.copy import copy
import openpyxl

# 下一步还得训练程序
# 使其满足对excel文件名和excel工作薄的识别


ws_qiyeshu = 0
qiyeshu_row = 0
qiyeshu_column = 0



ws_zichanzongji = 0
zichanzongji_row = 0
zichanzongji_column = 0











#####################################################################锁定资产负债表和工作薄
# 如下代码用于多个相关表的打开操作
fn = '资产负债表.xlsx'
wb = openpyxl.load_workbook(fn)

allSheets = wb.get_sheet_names()

for i in range(len(allSheets)):
    sheet = wb.get_sheet_by_name(allSheets[i])
    for row in sheet.iter_rows():
        for cell in row:
            if str(str(cell.value).replace(' ', '')).find("资产负债表") != -1:
                sheet_selected = wb.get_sheet_by_name(allSheets[i])

                break

ws = wb.get_sheet_by_name(sheet_selected.title)
print(ws)


########### 资产负债表     1年初存货


for row in ws.iter_rows():
    for cell in row:
        if str(str(cell.value).replace(' ', '')).find("总计") != -1:
            qiyeshu_row = cell.row
        else:
            ws_qiyeshu = 0

            break
for row in ws.iter_rows():
    for cell in row:
        if str(str(cell.value).replace(' ', '')).find("企业数") != -1 :
            qiyeshu_column = cell.column

            break

if qiyeshu_row == 0 or qiyeshu_column == 0:
    ws_qiyeshu = 0
else:
    if ws.cell(row=qiyeshu_row, column=qiyeshu_column).value != None:
        ws_qiyeshu = ws.cell(row=qiyeshu_row, column=qiyeshu_column).value
        print(ws_qiyeshu)












for row in ws.iter_rows():
    for cell in row:
        if str(str(cell.value).replace(' ', '')).find("总计") != -1:
            zichanzongji_row = cell.row
        else:
            ws_zichanzongji = 0

            break
for row in ws.iter_rows():
    for cell in row:
        if str(str(cell.value).replace(' ', '')).find("资产总计") != -1 :
            zichanzongji_column = cell.column

            break

if zichanzongji_row == 0 or zichanzongji_column == 0:
    ws_zichanzongji = 0
else:
    if ws.cell(row=zichanzongji_row, column=zichanzongji_column).value != None:
        ws_zichanzongji = ws.cell(row=zichanzongji_row, column=zichanzongji_column).value
        print(ws_zichanzongji)
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值