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

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:

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

python 复制代码
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: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。

    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)

    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)

    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

    ( * ^ ▽ ^ * )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。

python 复制代码
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

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:
python 复制代码
 `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。
相关推荐
Abdullah al-Sa8 分钟前
Docker教程(喂饭级!)
c++·人工智能·docker·容器
_extraordinary_10 分钟前
Linux权限(一)
android·linux·excel
神经星星11 分钟前
无机材料逆合成效率飙升,韩国团队推出Retrieval-Retro,成果入选NeurIPS 2024
人工智能·深度学习·机器学习
大数据追光猿15 分钟前
【深度学习】Pytorch项目实战-基于协同过滤实现物品推荐系统
人工智能·pytorch·python·深度学习·ai编程·推荐算法
CodeJourney.24 分钟前
EndNote与Word关联:科研写作的高效助力
数据库·人工智能·算法·架构
jingwang-cs32 分钟前
内外网文件传输 安全、可控、便捷的跨网数据传输方案
人工智能·后端·安全
乐享数科44 分钟前
乐享数科:供应链金融—三个不同阶段的融资模式
大数据·人工智能·金融
幻想趾于现实1 小时前
视觉应用工程师(面试)
人工智能·数码相机·计算机视觉
简简单单做算法1 小时前
基于PSO粒子群优化的BiLSTM双向长短期记忆网络序列预测算法matlab仿真,对比BiLSTM和LSTM
人工智能·lstm·bilstm·pso-bilstm·pso·双向长短期记忆网络·序列预测
Felaim2 小时前
基于模仿学习(IL)的端到端自动驾驶发展路径
人工智能·深度学习·自动驾驶