新闻详情

新闻详情

首页 / 资讯中心 / 详情

使用python的pandas包读取excel文件,根据学号查询还有谁没交作业

发布时间:2026/11/10 1:48:39来源:尧图网络
使用python的pandas包读取excel文件,根据学号查询还有谁没交作业
import pandas as pd #次方法为先学号 后为名字 import os as os fpd.read_excel(D:/桌面/学委作业的收集/花名单/21信计花名册.xls) #花名单 datefilef.to_numpy() #将数据转为受罪 xhf[学号] #zyos.listdir(D:\桌面\学委作业的收集\数学建模\统计模型两个模型) zyos.listdir(D:\\桌面\\学委作业的收集\\大三下\\JAVA实训备份) #手机作业的文件夹 listxhxh.tolist() cout0 sum0 list[] #已经交作业的数组 for i in listxh: for y in zy: # 输出的长度由zy决定(已交作业的人数) t y.split( ) #对获取到的数据进行分隔 t[0]int(t[0]) if iint(t[0]): list.append(t[0]) #添加学号到列表之中 list.sort() #让学号进行排序默认进行升序 print(list) #输出列表测试 summ0 for i in range(0,len(listxh)): if listxh[i] in list: cout1cout #print(已交作业的人,listxh[i]) else: summsumm1 #print(还有以下的同学没交作业,listxh[i]) #定义一个数组代码没交作业的同学 Noword[] for i in range(0,len(listxh)): if listxh[i] not in list: Noword.append(listxh[i]) # print(还有以下的同学没交作业,listxh[i]) for i in range(0,len(datefile)): for j in range(0,len(Noword)): if datefile[i][1]Noword[j]: print(没交作业都同学,Noword[j],datefile[i][2]) print(已交作业的人数,cout) print(没交作业的同学,summ) print(还有以下的同学没交作业) # excel表格中的属性 # 序号 学号 姓名 # 1 2021101075 罗xx # 2 2021101076 卢xx # 3 2021101078 蓝xx # 4 2021101079 xxx
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/9 8:37:19

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉