weixin_69558614的博客

plt.bar(categories, values, color=['red', 'green', 'blue', 'orange'])#颜色可以增加。出现报错，字体不可用，我们可以看到，设置的题目和x轴y轴的名称没有出现。plt.xlabel('类别', fontproperties=prop)plt.xlabel('类别', fontproperties=prop)plt.xlabel('类别', fontproperties=prop)# 添加标题和标签，并使用新宋体字体。

plt.title('柱状图示例', fontproperties=prop)plt.xlabel('类别', fontproperties=prop)plt.ylabel('数值', fontproperties=prop)# 假设 xlsx 文件包含两列，一列是类别，一列是数值。# 添加标题和标签，并使用新宋体字体。#以上是自己的数据，可以加上这个。# 创建柱状图，并设置颜色。# 设置新宋体字体的路径。# 读取 xlsx 文件。

plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140) # autopct 参数用于显示百分比。labels = df['Category'].tolist() # 假设 'Category' 列包含标签数据。sizes = df['Value'].tolist() # 假设 'Value' 列包含每个部分的大小数据。那我们进阶一下，我们现在要导入我们自己的数据来画图，假设我们的数据在一个xlsx中，那该如何？

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple reportlab #从清华镜像安装更快。c.setFont('SimSun', 12) # 设置字体为中文字体，大小为12。# 这里的 'simsun.ttf' 是中文字体文件名，需提前下载并放置在正确的路径下。c.drawString(100, 750, "你好，世界！") # 中文字符。#这个需要下载宋体文件，并保存在固定的路径中。#但上面的代码有一个问题，就是不能识别中文。

这个需求来自我在一个json编辑网站上，制作json文件，最后发现它们都转化为了二进制json。with open(input_path, 'rb') as binary_file: #文本json,只需加"r",二进制json需要"rb"模式。json_data = json.loads(binary_data.decode('utf-8-sig')) #去掉bom头。# 只处理以'.json'为扩展名的文件。# 读取二进制JSON文件。input_directory = '输入目录'

有时候，我们会遇到问题，比如需要提取一个具有多层级目录下的所有某些格式的文件，目录结构有好几层，里面的目录套着更多的目录。文件数量有几十到几万。我以json格式为例。这样，我们就把这个目录下的所有json文件提取到我们的输入目录里面了，可以更换其它的文件格式。destination_directory = "输入目录"source_directory = "提取目录"# 指定源目录和目标目录路径。# 复制所有 JSON 文件。

需要增加三列，一列为年，一年为月日，一列为春夏秋冬，其中3，4，5月为春，6，7，8月为夏，9，10，11月为秋，12，1，2月为冬。df['月'] = df['月日'].str[0:2].astype(int)df['季节'] = df['月'].apply(get_season)df['样本号'] = df['样本号'].astype(str)df['月日'] = df['样本号'].str[4:8]df['年'] = df['样本号'].str[:4]return '春'return '夏'

df = df.sort_values(by=['患者号', '日期'], ascending=[True, False]) #患者号升序，日期降序。df['日期'] = pd.to_datetime(df['日期'], format='%Y%m%d') #字符串转为时间。df['日期'] = df['样本号'].astype(str).str[:8]df = df.drop_duplicates('患者号') #保留最后一个。df = pd.read_excel('目录/file.xlsx')

latest_positive_result = patient_data[patient_data['检测结果'] == '阳性'].iloc[0]df = df.sort_values(by=['患者号', '日期'], ascending=[True, False])df['日期'] = pd.to_datetime(df['日期'], format='%Y%m%d')df['日期'] = df['样本号'].astype(str).str[:8]# 按照患者号和日期进行排序。# 找出重复的患者号。

has_1 = "T" if "某一字段" in str(data.values()) else "F"has_2 = "T" if "某一字段" in str(data.values()) else "F"excel_file_path = "目录/json_check_result.xlsx"print(f"检查结果已保存到 {excel_file_path}")sheet.title = "JSON检查结果"sheet['B1'] = "某一字段检查"sheet['C1'] = "某一字段检查"

with open(file_path, 'rb') as file: #我使用"rb",是因为我是二进制json。key_value = data.get("键名") # 替换键值为你需要的字段名。file.close() # 关闭文件。# 重命名 JSON 文件。

x = np.array([2, 2.3, 3.1, 4.8, 5.6]).reshape(-1, 1) # 自变量。y = np.array([2.4, 3.4, 4.5, 6.4, 7.5]) # 因变量。print("斜率 (beta_1):", beta_1)print("截距 (beta_0):", beta_0)# 获取回归系数和截距。# 打印回归系数和截距。# 创建线性回归模型。

这段代码在文件的第一列数据添加了字符“>"，并将文件内容保存在了txt文件中，注意，这段代码默认文件内容从第二行开始。有时候，我们需要给文件的一列数据或一行数据统一添加一些字符。# 在第一列的每个单元格中添加">"# 将结果写入txt文件。# 读取Excel文件。

fasta实际上也是一种文本文件。将txt的后缀该为fasta就可以更改。但是我们有时候会遇到一种情况，那就是描述和序列在同一行，我们需要将描述和序列分开。少量的话可以手动操作，但成千上万就需要流程了。description = columns[0] # 描述行。sequence = columns[1] # 序列行。

merged_df.to_excel('分表全信息.xlsx', index=False)df1 = pd.read_excel('分表.xlsx')df2 = pd.read_excel('总表.xlsx')print('未找到指定列名')col_name = '列名'#读取两个 Excel 文件。

filename = row['列名']# 创建新的DataFrame，只包含当前行。# 拆分每一行为一个Excel文件。# 保存为新的Excel文件。# 读取Excel文件。# 获取第一行作为目录。

f.writelines(result) # 写入筛选结果```f.write(lines[0]) # 写入第一行。# 筛选第五列和第六列数值>=90的内。# 将结果保存到txt文件。

python遍历JSON文件

path_list = os.listdir("path") #这个可获得目录下所有文件的名称。#这段代码在json文件命名上有些缺陷，不能去除excel文件后缀。# 读取Excel文件。

import os# 打开输出文件。

data.items()` 是 Python 字典（dictionary）对象的一个方法，它返回一个包含字典中所有键值对的元组列表。每个元组包含两个元素，第一个元素是键，第二个元素是对应的值。这个方法可以用于遍历字典中的所有键值对."可以使用递归函数来遍历多层级json文件内容，提取需要的内容。下面是一个示例代码："# 提取所有key为'name'的值。# 读取json文件。

假设我们有一个多层级的json文件，我们需要提取出两个键对应的值。例如，我们有ID1,但是这个ID1不方便我们操作json，我们想找到与ID1相对应的ID2，这时候去操作json会大大降低工作量。这时，我们就得到了ID1和对应的id2。但是它输出的是“none type",不能对其进行其它操作，就是不能将结果保存在文件中。请问大佬们有没有解决方法？"""可以使用递归函数来遍历多层json文件内容，提取需要的内容。下面是一个示例代码："""# 提取key为'name'的值。# 读取json文件。

如图，我们有一个文件，一列数据中有多个数据项组合，每个数据项用；分割，现在我们想知道筛选出有多少个数据项。'.join(df["列名"].astype(str).unique())为分隔符读为一个字符串。# 读取Excel文件。

列出目录下所有的tsv文件。# 遍历每个tsv文件。

"""这段代码首先使用pandas库读取Excel文件中的sheet1和sheet2。然后，使用`to_dict()`方法将sheet1转换为字典，使用`values.tolist()`方法将sheet2转换为列表,可以将两个表都转化为字典或列表形式。接下来，将这两个数据结构组合成一个字典，并将其转换为json格式并写入文件中。"""假设第一个表的名称为sheet1，第二个表的名称为sheet2，以下是将两个表制成多层级json文件的Python代码："""# 将字典转换为json格式并写入文件。

循环遍历所有xlsx文件。#读取所有xlsx文件。

df = df.groupby('列名1')['列名2'].apply(lambda x: ','.join(x)).reset_index()df["列名1"] = df["列名1"].astype(str) #转成字符串。df["列名2”] = df["列名2"].astype(str)这样我们就对第一列数据去重，第二列数据合并。第二列数据以,隔开。第一列数据我们需要去重，第二列数据需要合并。小明 12岁,地球人,喜欢唱跳rap篮球。有时候，我们需要完成一下工作，例如数据。小明 喜欢唱跳rap篮球。