当前位置：首页 > news >正文

Python数据分析实战：Pandas高效处理Excel数据指南

news 来源：原创 2025/7/4 11:43:50

引言：为什么选择Pandas处理Excel？

一、环境搭建与数据读取

1.1 基础环境配置

1.2 数据高效载入技巧

二、数据清洗核心战术

三、数据加工实战案例

3.1 销售数据透视分析

3.2 异常值检测

3.3 跨表关联分析

四、性能优化秘籍

4.1 大文件处理方案

4.2 内存优化技巧

五、自动化报告生成

5.1 基础报表输出

5.2 可视化集成（Matplotlib示例）

六、典型应用场景解析

6.1 财务对账自动化

6.2 库存预警系统

结语：从工具到思维升级

引言：为什么选择Pandas处理Excel？

在数据驱动的时代，Excel仍是大量企业存储核心数据的工具，但其手动操作模式在处理万行以上数据时效率骤降。Python的Pandas库凭借其向量化计算、内存优化和丰富的数据处理接口，成为自动化分析Excel数据的首选工具。本文将通过技术解析与实战案例，展示如何用50行代码完成传统Excel操作需要数小时的工作。

一、环境搭建与数据读取

1.1 基础环境配置

# 推荐环境：Anaconda套件（已集成Pandas/OpenPyXL）
# 或通过pip安装
pip install pandas openpyxl xlrd

关键依赖说明：

openpyxl：读写.xlsx格式
xlrd：读取旧版.xls格式（2.0+版本不再支持xlsx）

1.2 数据高效载入技巧

import pandas as pd# 基础读取
df = pd.read_excel('sales_data.xlsx', sheet_name='Sheet1')# 进阶参数示例
df = pd.read_excel('large_file.xlsx',nrows=10000,          # 仅读取前1万行usecols='C:F',        # 读取C到F列dtype={'订单号': str}  # 指定列数据类型
)

性能对比：读取10万行数据时，Pandas比Excel VBA快8-12倍，内存占用减少60%

二、数据清洗核心战术

2.1 缺失值处理矩阵

场景	解决方案	Pandas实现
数值型缺失	均值/中位数填充	`df.fillna(df.mean())`
分类变量缺失	众数填充	`df.fillna(df.mode().iloc[0])`
关键字段缺失	整行删除	`df.dropna(subset=['订单金额'])`
时间序列缺失	前向填充	`df.fillna(method='ffill')`

进阶技巧：使用where条件填充

df['库存量'] = df['库存量'].where(df['库存量']>0, 0) # 将负库存置零

2.2 重复值治理

# 检测重复项
duplicates = df[df.duplicated(subset=['订单号', '产品ID'])]# 智能去重（保留最新记录）
df.sort_values('下单时间', inplace=True)
df.drop_duplicates(subset=['订单号'], keep='last', inplace=True)

2.3 数据类型转换

# 字符串转日期（处理Excel日期格式混乱）
df['下单日期'] = pd.to_datetime(df['下单日期'],format='%Y/%m/%d',  # 明确指定格式errors='coerce'     # 无效解析转为NaT
)# 数值规范化（处理科学计数法）
df['产品ID'] = df['产品ID'].astype('str').str.zfill(10)

三、数据加工实战案例

3.1 销售数据透视分析

需求：统计各区域各产品类别的销售额、订单量、客单价

pivot = df.pivot_table(index='销售区域',columns='产品类别',values='订单金额',aggfunc={'订单金额': 'sum','订单号': 'count'},fill_value=0
)# 计算客单价
pivot['客单价'] = pivot['订单金额'] / pivot['订单号']

3.2 异常值检测

方法论：

数值型：使用标准差法（>3σ为异常）
分类变量：使用卡方检验

# 数值异常检测示例
z_scores = (df['订单金额'] - df['订单金额'].mean()) / df['订单金额'].std()
outliers = df[z_scores.abs() > 3]# 分类异常检测（需安装`pandas-profiling`）
# pip install pandas-profiling
import pandas_profiling
profile = pandas_profiling.ProfileReport(df)
profile.to_file("report.html")

3.3 跨表关联分析

场景：合并订单明细表与客户信息表

orders = pd.read_excel('orders.xlsx')
customers = pd.read_excel('customers.xlsx')# 左连接（保留所有订单）
merged = pd.merge(orders,customers[['客户ID', '客户等级', '所属区域']],on='客户ID',how='left'
)

四、性能优化秘籍

4.1 大文件处理方案

# 分块读取处理（适用于500MB+文件）
chunk_size = 50000
chunks = []
for chunk in pd.read_excel('huge_data.xlsx', chunksize=chunk_size):# 每个chunk进行清洗操作chunk = clean_data(chunk)chunks.append(chunk)
df = pd.concat(chunks)

4.2 内存优化技巧

# 转换数据类型节省内存
df['订单号'] = df['订单号'].astype('category')  # 类别型
df['订单金额'] = df['订单金额'].astype('float32') # 浮点数降精度# 删除中间变量
del chunk
import gc
gc.collect()  # 强制垃圾回收

五、自动化报告生成

5.1 基础报表输出

# 生成分析摘要
report = f"""
=== 销售数据概览 ===
总订单数: {len(df):,}
总销售额: {df['订单金额'].sum():,.2f}
平均客单价: {df['订单金额'].mean():,.2f}
"""with open('report.txt', 'w') as f:f.write(report)# 导出处理后数据
df.to_excel('cleaned_data.xlsx', index=False)

5.2 可视化集成（Matplotlib示例）

import matplotlib.pyplot as plt# 销售趋势分析
monthly_sales = df.resample('M', on='下单日期')['订单金额'].sum()plt.figure(figsize=(12,6))
monthly_sales.plot(kind='bar', color='skyblue')
plt.title('月度销售趋势')
plt.xlabel('月份')
plt.ylabel('销售额（万元）')
plt.savefig('sales_trend.png', dpi=300, bbox_inches='tight')

六、典型应用场景解析

6.1 财务对账自动化

流程：

读取银行流水Excel
转换日期格式
匹配公司内部交易记录
生成差异报告

代码片段：

bank_df = pd.read_excel('bank_statement.xlsx')
internal_df = pd.read_excel('internal_records.xlsx')merged = pd.merge(bank_df,internal_df,left_on=['交易时间', '金额'],right_on=['记账时间', '发生额'],how='outer',indicator=True
)unmatched = merged[merged['_merge'] != 'both']

6.2 库存预警系统

逻辑：

设置安全库存阈值
计算周转率
生成补货清单

inventory = pd.read_excel('inventory.xlsx')# 安全库存计算（考虑采购周期）
inventory['安全库存'] = inventory['日均销量'] * 7
inventory['库存状态'] = np.where(inventory['当前库存'] < inventory['安全库存'],'需补货','正常'
)alert = inventory[inventory['库存状态'] == '需补货']

结语：从工具到思维升级

Pandas不仅是Excel的替代品，更是数据分析思维的载体。通过掌握向量化操作、数据对齐、分层索引等核心概念，分析师可以：

将80%的时间从重复操作中解放
轻松处理百万行级数据
构建自动化分析流水线

未来随着Dask、Modin等库的发展，Pandas生态将持续突破单机性能瓶颈，真正实现"Excel进阶，Python赋能"的数据分析新时代。

Python数据分析实战：Pandas高效处理Excel数据指南

目录引言：为什么选择Pandas处理Excel？ 一、环境搭建与数据读取 1.1 基础环境配置 1.2 数据高效载入技巧二、数据清洗核心战术三、数据加工实战案例 3.1 销售数据透视分析 3.2 异常值检测 3.3 跨表关联分析四、性能优化秘籍 4.1 大文件处理…...

编程日记 2025/7/4 11:43:50

使用Starrocks制作拉链表

5月1日向ods_order_info插入3条数据： CREATE TABLE ods_order_info(dt string,id string COMMENT 订单编号,total_amount decimal(10,2) COMMENT 订单金额 ) PRIMARY KEY(dt, id) PARTITION BY (dt) DISTRIBUTED BY HASH(id) PROPERTIES ( "replication_num&q…...

编程日记 2025/7/4 9:09:39

【npm】npm命令大全

掌握 NPM：前端与 Node.js 开发者必备命令大全 NPM (Node Package Manager) 无疑是现代 JavaScript 开发的基石。无论是前端项目还是 Node.js 后端服务，NPM 都扮演着管理依赖、执行脚本、发布模块等关键角色。熟悉并熟练使用 NPM 命令，能够极…...

编程日记 2025/7/4 10:47:57

32核64G内存的物理机上，Netty理论能承载多少连接?

在 32核64G内存的机器上，Netty 能承载的连接数取决于业务场景、配置优化和操作系统调优。以下是详细分析和实测数据参考： 1. 理论估算（基于资源限制） 资源影响内存每个连接占用 10KB~1MB（取决于业务&#xff0…...

编程日记 2025/7/4 8:51:17

对于final、finally和finalize不一样的理解

目录 1、final 1.1、不可变性（Immutability） 1.2、内存可见性（Visibility） 1.3、初始化安全（Initialization Safety） 1.4、禁止重排序（Reordering） 1、静态常量 2、实例常量 …...

编程日记 2025/7/4 8:58:50

Open CASCADE学习|刚体沿曲线运动实现方法

在三维几何建模中，刚体沿参数化曲线的运动模拟是机械运动仿真、机器人路径规划等领域的核心需求。本文基于Open Cascade几何内核，系统阐述刚体沿曲线运动的实现方法，重点解析标架构建、坐标变换及鲁棒性控制等关键技术。一、基于标架的刚体运…...

编程日记 2025/7/4 9:47:51

工作流引擎-03-聊一聊什么是流程引擎（Process Engine）？

前言大家好，我是老马。最近想设计一款审批系统，于是了解一下关于流程引擎的知识。下面是一些的流程引擎相关资料。工作流引擎系列工作流引擎-00-流程引擎概览工作流引擎-01-Activiti 是领先的轻量级、以 Java 为中心的开源 BPMN 引擎&#x…...

编程日记 2025/7/1 7:19:40

centos7 p8p1使用ip addr查看时有的时候有两个ip，有的时候只有一个ip，有一个ip快，有一个ip慢

在CentOS 7系统中，网络接口 p8p1 出现IP地址数量变化且访问速度不一致的问题，通常与以下原因相关。以下是逐步排查与解决方案： 1. 检查网络配置文件可能原因：存在多个配置文件或重复配置（如静态IP与DHCP冲突&#xf…...

编程日记 2025/7/3 4:21:34

回溯算法——排列篇

目录一、全排列二、全排列II 一、全排列 46. 全排列 - 力扣（LeetCode） class Solution {List<List<Integer>> resultnew ArrayList<>();LinkedList<Integer> pathnew LinkedList<>();boolean[] used;public List<…...

编程日记 2025/6/27 22:54:59

Unity中SRP Batcher使用整理

SRP Batcher 是一种绘制调用优化，可显著提高使用 SRP 的应用程序的性能，SRP Batcher 减少了Unity为使用相同着色器变体的材质准备和调度绘制调用所需的CPU 时间。工作原理：传统优化方法通过减少绘制调用次数提升性能，而SRP Batcher的核心理念在于降低绘制调用间的渲染状…...

编程日记 2025/7/2 13:18:27

【JAVA学习】泛型

传统方法不能对加入到集合ArrayList中的数据类型进行约束，遍历的时候需要进行类型转换，如果集合中的数据量较大，对效率有影响。泛型又称参数化类型，是JDK5.0出现的新特性，解决数据类型的安全性问题，在类声明…...

编程日记 2025/7/4 4:17:12

实验分享|基于千眼狼sCMOS科学相机的流式细胞仪细胞核成像实验

实验背景流式细胞仪与微流控技术，为细胞及细胞核成像提供新的路径。传统流式细胞仪在细胞核成像检测方面存在检测通量低，荧光信号微弱等局限，故某光学重点实验室开发一种基于高灵敏度sCMOS科学相机并集成在自组荧光显微镜的微流控细胞核成像…...

编程日记 2025/6/29 17:57:40

MySQL中的JSON_CONTAINS函数用法

MySQL中的JSON_CONTAINS函数用于检查一个JSON文档（目标）是否包含另一个JSON文档（搜索值）。以下是其详细用法： 函数语法 JSON_CONTAINS(target_json, search_json [, path]) target_json：要检查的目…...

编程日记 2025/7/1 21:47:59

如何在 Windows 11 或 10 上将 DNS 更改为 Cloudflare提供的 DNS 服务

域名解析服务（DNS）对于互联网来说至关重要，因为它使我们能够轻松地通过在浏览器中输入域名来访问网站。DNS 的作用是将域名解析为 IP 地址；你可以将其视为互联网上的电话簿。这是因为互联网上的计算机或服务器是通过 IPv4 或 IPv6（数字格式）来识别的，然而，要用户去记住…...

编程日记 2025/6/27 23:29:00

解除diffusers库的prompt长度限制（SDXL版）

2025-5-21 注：本文只提供思路，没有解决“权重识别”、“BREAK”问题。要想实现与webui一样的绘图效果与无限prompt，可参考diffusers/examples/community/lpw_stable_diffusion_xl.py 1、上代码 from diffusers import StableDiffusionXLP…...

编程日记 2025/7/4 11:13:24

RISC-V 开发板 MUSE Pi Pro CSI测试，一把点亮ov5647摄像头

视频讲解： RISC-V 开发板 MUSE Pi Pro CSI测试，一把点亮ov5647摄像头手上正好有一颗ov5674，看了下接口排线都是一致的，硬件条件满足的情况下，剩下的就是驱动软件的问题，直接接上CSI排线 https://bianbu-li…...

编程日记 2025/7/4 11:18:00

Word2Vec模型学习和Word2Vec提取相似文本体验

文章目录说明Word2Vec模型核心思想两种经典模型关键技术和算法流程优点和局限应用场景 Word2Vec提取相似文本完整源码执行结果说明本文适用于初学者，体验Pytorch框架在自然语言处理中的使用。简单了解学习Word2Vec模型，体验其使用。 Word2Vec模型 …...

编程日记 2025/6/27 23:30:21

[测试_3] 生命周期 | Bug级别 | 测试流程 | 思考

目录一、软件测试的生命周期（重点） 1、软件测试 & 软件开发生命周期 （1）需求分析 （2）测试计划 （3）测试设计与开发 （4）测试执行 （5&am…...

编程日记 2025/7/3 13:04:45

epoll_wait未触发的小Bug

上次看了一下epoll监听的原理，在Android Jni里使用epoll，来监听Gpio口的变化事件，具体代码如下： 打开 GPIO 文件描述符，因为该文件是内核虚拟出来的，不是实际文件，所以无法使用FileObserver来监…...

编程日记 2025/7/4 11:41:52

Unity异步加载image的材质后，未正确显示的问题

简述： 此问题涉及到Unity的UI刷新机制问题描述： 如图所示，想要实现在打开新的界面时候，通过修改材质的方式，修改image的显示内容。明明已经给image添加上材质了，可还是一片空白？ 先看看代…...

编程日记 2025/7/4 0:35:48

Python----循环神经网络（Word2Vec）

一、Word2Vec Word2Vec是word to vector的简称，字面上理解就是把文字向量化，也就是词嵌入的一种方式。它的核心就是建立一个简单的神经网络实现词嵌入。其模型仅仅包括输入层、隐藏层和输出层，模型框架根据输入输出的不同，主要…...

编程日记 2025/7/4 10:18:52

Oracle Enqueue Names

Oracle Enqueue Names Enqueue（排队锁）是Oracle数据库中用于协调多进程并发访问共享资源的锁机制。 This appendix lists Oracle enqueues. Enqueues are shared memory structures (locks) that serialize access to database resources. They can be…...

编程日记 2025/7/4 10:17:48

微服务中API网关作用（统一入口、路由转发、协议转换、认证授权、请求聚合、负载均衡、熔断限流、监控日志）

文章目录在微服务架构中，API网关主要有以下作用1. 统一入口：作为所有客户端请求的单一入口点，隐藏后端服务的复杂性2. 路由转发：将客户端请求准确路由到适当的微服务（如图中的服务A、B、C）3. 协议转换&…...

编程日记 2025/7/4 11:16:20

Linux `cat` 命令深度解析与高阶应用指南

Linux `cat` 命令深度解析与高阶应用指南一、核心功能解析1. 基本作用2. 与类似命令对比二、选项系统详解1. 常用选项矩阵2. 组合使用技巧三、高阶应用场景1. 数据流处理2. 系统维护操作3. 开发调试应用四、安全与权限管理1. 访问控制策略2. 二进制文件处理五、性能优化策略1.…...

编程日记 2025/6/27 23:30:20

融云 uni-app IMKit 上线，1 天集成，多端畅行

融云 uni-app IMKit 正式上线，支持一套代码同时运行在 iOS、Android、H5、小程序主流四端，集成仅需 1 天，并可确保多平台的一致性体验。融云 uni-app IMKit 在 Vue 3 的高性能加持下开发实现，使用 Vue 3 Composition API&#x…...

编程日记 2025/7/4 9:15:03

VLA模型：自动驾驶与机器人行业的革命性跃迁，端到端智能如何重塑未来？

当AI开始操控方向盘和机械臂，人类正在见证一场静默的产业革命。 2023年7月，谷歌DeepMind抛出一枚技术核弹——全球首个视觉语言动作模型（VLA）RT-2横空出世。这个能将“把咖啡递给穿红衣服的阿姨”这类自然语言指令直接转化为机器人…...

编程日记 2025/7/4 11:41:35

IP地址详解

IP地址详解（技术向）一、核心定义 IP地址（Internet Protocol Address）是网络层逻辑地址，用于在网络中唯一标识设备。本质上是 32位（IPv4）或128位（IPv6）二进制数。本机的地址为127.0.0.1，主机名：localhost192.168.0.0-192.168.255.255为私有地址，属于非注册地址，…...

编程日记 2025/7/3 14:13:17

C++网络编程入门学习（四）-- GDB 调试学习笔记

GDB 调试学习笔记 GDB 调试学习笔记调试准备启动和退出gdbgdb中启动程序退出gdb查看代码断点调试命令继续运行gdb手动打印信息自动打印信息单步调试step 可简写 snext 可简写成 nfinish 可简写成 finuntil 可简写成 u 设置变量值 GDB 调试学习笔记学习地址&#xff1a…...

编程日记 2025/7/3 21:32:49

C#面：Server.UrlEncode、HttpUtility.UrlDecode的区别

在C#编程中，Server.UrlEncode 和 HttpUtility.UrlDecode 是两个常用的方法，用于处理URL编码和解码操作。理解它们的区别对于确保数据在Web应用程序中的正确传输和解析至关重要。 Server.UrlEncode 和 HttpUtility.UrlDecode的区别 Server.UrlEncode 和…...

编程日记 2025/7/4 10:25:35

kafka配置SASL_PLAINTEXT简单认证

Kafka ZooKeeper 开启 SASL_PLAINTEXT 认证（PLAIN机制）最全实战教程 💡 本教程将手把手教你如何为 Kafka 配置基于 SASL_PLAINTEXT PLAIN 的用户名密码认证机制，包含 Kafka 与 ZooKeeper 的全部配置，适合入门。 &…...

编程日记 2025/7/4 10:03:51

Flink SQL 计算实时指标同比的实现方法

在 Flink SQL 中计算实时指标的同比（Year-on-Year），核心是通过时间窗口划分周期（如日、月、周），并关联当前周期与去年同期的指标值。以下是结合流数据处理特性的具体实现方法，包含数据准备、窗口聚合、历史数据关联等关键步骤。一、同比的定义与场景同比指当前周期指…...

编程日记 2025/6/27 23:30:28

Vue Router动态路由与导航守卫实战

在 Vue Router 中，动态路由与导航守卫的结合使用能够实现复杂的路由控制逻辑，例如权限验证、动态路由加载、数据预取等功能。以下是一个结合实战的详细说明： 一、动态路由基础动态路由通过路径参数（:）实现动态匹配&a…...

编程日记 2025/7/2 18:01:45

数据库健康监测器（BHM）实战：如何通过 HTML 报告识别潜在问题

在数据库运维中，健康监测是保障系统稳定性与性能的关键环节。通过 HTML 报告，开发者可以直观查看数据库的运行状态、资源使用情况与潜在风险。本文将围绕数据库健康监测器（Database Health Monitor, BHM）的核心功能展开分析，结合 Prometheus + Grafana + MySQL Export…...

编程日记 2025/7/4 11:21:50

Oracle基础知识(二)

目录 1.聚合函数 2.COUNT(1)&COUNT(*)&COUNT(字段)区别（面试常问） 3.分组聚合——group by 4.去重：DISTINCT 、GROUP BY 5.聚合函数的过滤HAVING 6.oracle中having与where的区别 (面试常问) 7.ROUND与TRUNC函数 8.ROLLUP上卷…...

编程日记 2025/7/4 9:36:57

轻量化MEC终端特点

MEC（多接入边缘计算）解决方案通过将计算能力下沉至网络边缘，结合5G网络特性，已在多个行业实现低延迟、高可靠、高安全的应用部署。以下从技术架构、核心优势及典型场景三方面进行总结： 一、技术架构分层设计‌ MEC架…...

编程日记 2025/7/3 23:57:53

Git 提交大文件 this exceeds GitHub‘s file size limit of 100.00 MB

报错核心： File …/encoder-epoch-99-avg-1.int8.onnx is 173.47 MB File …/encoder-epoch-99-avg-1.onnx is 314.79 MB this exceeds GitHub’s file size limit of 100.00 MB 正确做法：使用 Git LFS 上传大文件 GitHub 对单个文件最大限制是 100MB&…...

编程日记 2025/7/4 9:22:25

前后端的双精度浮点数精度不一致问题解决方案，自定义Spring的消息转换器处理JSON转换

在 Java 中，Long 是一个 64 位的长整型，通常用于表示很大的整数。在后端，Long 类型的数据没有问题，因为 Java 本身使用的是 64 位的整数，可以表示的范围非常大。但是，在前端 JavaScript 中，Lo…...

编程日记 2025/7/3 15:26:57

C语言—Linux环境下CMake设置库（动态/静态）

1. Yesterday Once More 由于昨日我们在VSCode设置了如何使用CMake构建与编译c语言项目，如有疑问，请看以下链接，今日根据昨天的配置来进一步完成项目的构建。 c语言- 如何构建CMake项目（Linux/VSCode）-CSDN博客 2. 动态…...

编程日记 2025/7/4 10:36:18

C语言---内存函数

memcpy函数的使用及模拟实现 memcpy的功能和strcpy类似，都是用来拷贝数据的。与strcpy不同的是，memcpy的适用性更广并且是以字节为单位来拷贝的。 void * memcpy ( void * destination, const void * source, size_t num ) memcpy函数的作用就是拷贝从so…...

编程日记 2025/6/27 23:16:01

vue项目启动报错（node版本与Webpack）

一、问题因为项目需要将node版本从v14.17.0升级到v20.9.1了，然后启动项目报错报错有些多，直接省略部分 building 2/2 modules 0 activeError: error:0308010C:digital envelope routines::unsupported at new Hash (node:internal/crypto/hash:79:19) …...

编程日记 2025/7/4 8:49:30

Vite + Vue 工程中，为什么需要关注 `postcss.config.ts`？

📜 前言：当传统 CSS 遇见现代工程在 Vue 项目开发中，CSS 管理一直是一个容易被忽视但极其重要的环节。传统的 CSS 编写方式（如手动处理浏览器兼容性、全局样式污染）已无法适应现代前端工程的需求。而 PostCSS 作为 C…...

编程日记 2025/7/4 9:14:08

LeetCode热题100：Java哈希表中等难度题目精解

49. 字母异位词分组题目描述给定一个字符串数组，要求将字母异位词组合在一起。可以按任意顺序返回结果列表。字母异位词是由重新排列源单词的所有字母得到的一个新单词。示例示例 1: 输入: strs ["eat", "tea", "tan", &…...

编程日记 2025/7/3 8:02:01

设计模式1 ——单例模式

定义在 C 里，单例模式是一种常用的设计模式，其目的是保证一个类仅存在一个实例，并且为该实例提供一个全局访问点。实现 1 饿汉式 class Singleton { private:static Singleton instance;Singleton() default;~Singleton() default;Si…...

编程日记 2025/6/27 2:10:31

日语学习-日语知识点小记-构建基础-JLPT-N4阶段（26）：のは・のが・のを

日语学习-日语知识点小记-构建基础-JLPT-N4阶段（26）：のは　・　のが　・　のを 1、前言（1）情况说明（2）工程师的信仰2、知识点（1）復習：（２）のは　・　のが　・　のを3、单词（1）日语（2）日语片假名单词4、相近词练习5、单词辨析记录6、总结1、前言（1）情况说明…...

编程日记 2025/7/1 19:02:46

第18天-NumPy + Pandas + Matplotlib多维度直方图

示例1：带样式的柱状图 python 复制下载 import numpy as np import pandas as pd import matplotlib.pyplot as plt# 生成数据 df = pd.DataFrame(np.random.randint(10, 100, size=(8, 4)),columns=[Spring, Summer, Autumn, Winter],index=[2015, 2016, 2017, 2018, 20…...

编程日记 2025/7/2 18:01:29

Qt初识.

认识 QLabel 类，能够在界面上显示字符串. 通过 setText 来设置的。参数 QString (Qt 中把 C 里的很多容器类，进行了重新封装。历史原因) 内存泄露 / 文件资源泄露对象树. Qt 中通过对象树，来统一的释放界面的控件对象. Qt 还是推荐使用 new 的…...

编程日记 2025/7/3 10:15:55

linux系统查看硬盘序列号

Linux系统查看硬盘信息指南方法一：hdparm工具 sudo hdparm -i /dev/sda输出示例：在返回信息中查找"SerialNo"字段为序列号，"Model"字段为硬盘型号注意：必须使用root权限，普通用户需在命令前加s…...

编程日记 2025/6/27 23:21:04

用户栈的高效解析逻辑

一、背景在之前的博客内核逻辑里抓取用户栈的几种方法-CSDN博客里，介绍了使用内核逻辑进行用户栈的函数地址的抓取逻辑，但是并没有涉及如何解析出函数符号的逻辑。就如perf工具一样，它也是分为两个步骤，一个步骤是内核态抓取…...

编程日记 2025/6/27 23:12:14

【713. 乘积小于 K 的子数组】

Leetcode算法练习笔记记录 713. 乘积小于 K 的子数组 713. 乘积小于 K 的子数组此题和 209题什么区别，没有什么区别，关键时理解滑动窗口的作用。 public int numSubarrayProductLessThanK(int[] nums, int k) {if (k < 1){return 0;}int left 0;in…...

编程日记 2025/6/27 23:25:58

引言：为什么选择Pandas处理Excel？

一、环境搭建与数据读取

1.1 基础环境配置

1.2 数据高效载入技巧

二、数据清洗核心战术

三、数据加工实战案例

3.1 销售数据透视分析

3.2 异常值检测

3.3 跨表关联分析

四、性能优化秘籍

4.1 大文件处理方案

4.2 内存优化技巧

五、自动化报告生成

5.1 基础报表输出

5.2 可视化集成（Matplotlib示例）

六、典型应用场景解析

6.1 财务对账自动化

6.2 库存预警系统

结语：从工具到思维升级

相关文章：