1. Toy模板网首页
  2. > Toy博客

替换Excel偶数行为上下平均值

7月前 作者：fyhs 分类：Toy博客 阅读(42) 违法举报

这篇具有很好参考价值的文章主要介绍了替换Excel偶数行为上下平均值。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

169个直接转换上下两行转换实现代码
import openpyxl

# 打开Excel文件
input_file = '(10s)result03-1.xlsx'
output_file = 'new-34.xlsx'
wb = openpyxl.load_workbook(input_file)
output_wb = openpyxl.Workbook()

# 处理每个工作表
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]

    # 新建一个工作表，用于存储处理后的数据
    output_sheet = output_wb.create_sheet(title=sheet_name)

    # 将前两行复制到新表格
    for row in range(1, 3):
        row_values = []
        for col in range(1, sheet.max_column+1):
            row_values.append(sheet.cell(row=row, column=col).value)
        output_sheet.append(row_values)

    # 处理数据
    for row in range(3, sheet.max_row+1):
        if row % 2 == 0:
            # 计算上下两行的平均值
            avg_values = []
            for col in range(1, sheet.max_column+1):
                value1 = sheet.cell(row=row-1, column=col).value
                value2 = sheet.cell(row=row+1, column=col).value
                if value1 is None or value2 is None:
                    avg_values.append(None)
                else:
                    avg_value = (value1 + value2) / 2
                    avg_values.append(avg_value)

            # 将平均值写入新行
            output_sheet.append(avg_values)
        else:
            # 直接将原数据写入新行
            row_values = []
            for col in range(1, sheet.max_column+1):
                row_values.append(sheet.cell(row=row, column=col).value)
            output_sheet.append(row_values)

    # 判断总数行是否为偶数行
    if (sheet.max_row - 1) % 2 == 0:
        # 复制最后一行-1到总数行-1的位置
        last_row_values = []
        for col in range(1, sheet.max_column+1):
            last_row_values.append(sheet.cell(row=sheet.max_row-1, column=col).value)
        output_sheet.insert_rows(sheet.max_row, amount=1)
        for col in range(1, sheet.max_column+1):
            output_sheet.cell(row=sheet.max_row-1, column=col, value=last_row_values[col-1])

# 保存新Excel文件
output_wb.save(output_file)

# 输出导入的Excel文件的内容到控制台
print('导入的Excel文件内容：')
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet Name: {sheet_name}")
    for row in sheet.iter_rows():
        row_values = []
        for cell in row:
            row_values.append(cell.value)
        print(row_values)
    print()

# 输出导出的Excel文件的内容到控制台
print('导出的Excel文件内容：')
for sheet_name in output_wb.sheetnames:
    sheet = output_wb[sheet_name]
    print(f"Sheet Name: {sheet_name}")
    for row in sheet.iter_rows():
        row_values = []
        for cell in row:
            row_values.append(cell.value)
        print(row_values)
    print()

注:

如果原Excel表格中的行数为奇数，那么输出的新旧Excel文件的最后一行都会是None。而如果原Excel表格中的行数是偶数行，那么新Excel文件的最后一行就可以显示出来(是我们把最后一行给复制来的)。

转换前后数据(169-169)[结果]
x y z x y z
0.00 0.00 4879.00 0 0 4879
-426.19 0.00 4871.39 -426.19 0 4871.39
-132.02 -406.33 4883.35 -41.085 -124.975 4865.91
344.02 -249.95 4860.43 344.02 -249.95 4860.43
345.92 251.33 4887.33 106.59 76.365 4849.97
-130.84 402.68 4839.51 -130.84 402.68 4839.51
-683.46 496.56 4791.09 -196.43 604.55 4824.165
-262.02 806.42 4808.82 -262.02 806.42 4808.82
262.18 806.92 4811.77 214.79 654.45 4828.515
691.60 502.48 4848.21 691.6 502.48 4848.21
839.76 0.00 4762.53 681.77 7.145 4779.275
671.94 -488.19 4710.34 671.94 -488.19 4710.34
263.15 -809.89 4829.50 204.37 -649.125 4770.41
-263.20 -810.06 4830.48 -263.2 -810.06 4830.48
-690.20 -501.46 4838.36 -555.91 -405.03 4821.62
-848.62 0.00 4812.76 -848.62 0 4812.76
-1186.38 0.00 4758.33 -942.01 -298.895 4803.98
-1035.40 -597.79 4795.20 -1035.4 -597.79 4795.2
-602.51 -1043.57 4833.04 -517.7 -895.835 4791.805
0.00 -1193.88 4788.41 0 -1193.88 4788.41
599.12 -1037.71 4805.87 518.015 -896.015 4793.26
1036.03 -598.15 4798.11 1036.03 -598.15 4798.11
1185.90 0.00 4756.39 1027.86 -4.715 4760.27
1019.69 588.72 4722.43 1019.69 588.72 4722.43
584.85 1012.98 4691.38 509.845 884.045 4726.31
0.00 1179.37 4730.19 0 1179.37 4730.19
-587.87 1018.22 4715.64 -511.1 884.77 4732.13
-1022.20 590.17 4734.07 -1022.2 590.17 4734.07
-1395.13 621.15 4700.12 -1529.15 1425.74 7049.56
-2036.09 2261.31 9365.05 -2036.09 2261.31 9365.05
-453.68 1396.28 4518.47 -940.005 1873.15 6980.28
156.08 1484.99 4595.51 156.08 1484.99 4595.51
746.12 1292.32 4592.65 693.415 1189.59 4638.78
1230.75 894.19 4682.05 1230.75 894.19 4682.05
1504.67 319.83 4734.36 1365.895 287.565 4702.5
1501.04 -319.06 4722.95 1501.04 -319.06 4722.95
1221.50 -887.47 4646.86 1137.64 -830.045 4744.345
774.24 -1341.03 4765.74 774.24 -1341.03 4765.74
162.80 -1548.91 4793.32 145.095 -1415.39 4793.325
-484.05 -1489.74 4820.91 -484.05 -1489.74 4820.91
-1036.97 -1151.67 4769.55 -950.74 -1060.41 4798.08
-1417.43 -631.08 4775.25 -1417.43 -631.08 4775.25
-1575.37 0.00 4848.49 -1661.15 -315.54 4744.99
-1904.87 0.00 4714.73 -1904.87 0 4714.73
-1767.47 -643.31 4655.39 -1682.33 -612.455 4715.655
-1459.79 -1224.91 4716.58 -1459.79 -1224.91 4716.58
-942.70 -1632.80 4666.52 -898.635 -1569.42 4763.405
-337.48 -1913.93 4810.23 -337.48 -1913.93 4810.23
336.76 -1909.88 4800.03 309.165 -1784.72 4770.825
955.81 -1655.51 4731.42 955.81 -1655.51 4731.42
1471.85 -1235.02 4755.53 1379.24 -1155.82 4739.765
1802.67 -656.12 4748.11 1802.67 -656.12 4748.11
1850.93 0.00 4581.22 1755.15 -17.3 4622.94
1707.63 621.52 4497.77 1707.63 621.52 4497.77
1408.71 1182.05 4551.55 1197.14 905.42 3948.415
686.65 1189.32 3399.06 686.65 1189.32 3399.06
209.20 1186.43 2981.82 242.37 1167.215 3138.52
-201.91 1145.11 2877.98 -201.91 1145.11 2877.98
-584.57 1012.51 2893.74 -804.735 1163.1 3712.91
-1407.56 1181.09 4547.84 -1407.56 1181.09 4547.84
-1778.38 647.28 4684.13 -1756.49 932.59 4543.375
-2105.42 684.09 4538.91 -2105.42 684.09 4538.91
-1774.31 1289.11 4496.67 -1416.67 842.99 3539
-727.91 1001.89 2539.09 -727.91 1001.89 2539.09
-318.61 980.59 2113.96 -363.955 1009.675 2312.595
0.00 1017.46 2086.10 0 1017.46 2086.1
313.19 963.91 2078.01 413.945 1078.475 2486.965
827.89 1139.49 2887.83 827.89 1139.49 2887.83
1800.20 1307.92 4562.28 1388.07 886.255 3543.945
1948.25 633.02 4200.06 1948.25 633.02 4200.06
1948.12 0.00 3994.24 1941.785 2.1 4186.13
1935.32 -628.82 4172.20 1935.32 -628.82 4172.2
1718.63 -1248.66 4355.56 1632.575 -1229.59 4405.44
1329.83 -1830.35 4638.68 1329.83 -1830.35 4638.68
726.36 -2235.50 4819.33 664.915 -2082.34 4712.38
0.00 -2334.33 4786.08 0 -2334.33 4786.08
-721.89 -2221.74 4789.67 -688.49 -2114.79 4794.62
-1376.98 -1895.25 4803.16 -1376.98 -1895.25 4803.16
-1887.45 -1371.31 4783.38 -1669.5 -1266.37 4516.44
-1962.01 -637.49 4229.72 -1962.01 -637.49 4229.72
-2041.49 0.00 4185.68 -2080.01 -318.745 4018.385
-2198.00 0.00 3807.05 -2198 0 3807.05
-2135.18 -572.12 3828.70 -2040.16 -543.375 3785.83
-1882.31 -1086.75 3764.61 -1882.31 -1086.75 3764.61
-1914.49 -1914.49 4689.53 -1621.91 -1722.47 4240.49
-1361.50 -2358.19 4716.37 -1361.5 -2358.19 4716.37
-711.62 -2655.81 4762.27 -680.75 -2563.35 4755.775
0.00 -2768.50 4795.18 0 -2768.5 4795.18
707.22 -2639.39 4732.83 687.375 -2574.82 4778.725
1374.75 -2381.14 4762.27 1374.75 -2381.14 4762.27
1916.97 -1916.97 4695.59 1670.745 -1758.32 4347.88
1966.74 -1135.50 3933.49 1966.74 -1135.5 3933.49
1966.14 -526.83 3525.59 1955.87 -567.75 3651.165
1945.00 0.00 3368.84 1945 0 3368.84
1873.90 502.11 3360.18 1934.44 555.375 3608.295
1923.88 1110.75 3847.75 1923.88 1110.75 3847.75
1157.18 1157.18 2834.50 1270.815 1090.36 2993.85
617.75 1069.97 2139.95 617.75 1069.97 2139.95
268.01 1000.22 1793.54 308.875 1038.235 1941.63
0.00 1006.50 1743.31 0 1006.5 1743.31
-268.40 1001.67 1796.14 -272.5 975.235 1815.625
-545.00 943.97 1887.94 -545 943.97 1887.94
-808.58 808.58 1980.60 -1278.82 1052.985 2956.615
-2012.64 1162.00 4025.29 -2012.64 1162 4025.29
-2188.79 586.48 3924.83 -2065.61 1052.625 3798.175
-2118.58 943.25 3571.06 -2118.58 943.25 3571.06
-1320.54 959.43 2513.50 -1496.25 956.915 2791.095
-873.91 970.58 2011.13 -873.91 970.58 2011.13
-565.06 978.72 1740.24 -597.095 978.15 1803.56
-320.28 985.72 1595.99 -320.28 985.72 1595.99
-95.42 907.81 1405.61 -109.985 970.06 1536.865
100.31 954.40 1477.74 100.31 954.4 1477.74
303.95 935.48 1514.64 329.555 961.135 1599.345
558.80 967.87 1720.95 558.8 967.87 1720.95
916.19 1017.53 2108.42 1084.635 1068.975 2393.145
1610.47 1170.08 3065.34 1610.47 1170.08 3065.34
1944.93 865.94 3278.36 1792.13 794.81 3086.305
1973.79 419.54 3107.27 1973.79 419.54 3107.27
1887.17 0.00 2905.99 1913.86 12.74 3012.92
1853.93 -394.06 2918.57 1853.93 -394.06 2918.57
1960.85 -873.03 3305.20 1839.935 -860.34 3197.01
1825.94 -1326.62 3475.45 1825.94 -1326.62 3475.45
1869.91 -2076.75 4303.22 1655.72 -1949.8 4025.2
1485.50 -2572.97 4574.95 1485.5 -2572.97 4574.95
939.30 -2890.86 4680.62 904.375 -2824.25 4668.46
323.25 -3075.52 4761.97 323.25 -3075.52 4761.97
-320.52 -3049.52 4721.72 -316.185 -3008.31 4761.97
-955.62 -2941.10 4761.97 -955.62 -2941.1 4761.97
-1537.79 -2663.53 4735.97 -1437.37 -2536.25 4589.205
-1919.11 -2131.39 4416.44 -1919.11 -2131.39 4416.44
-2049.77 -1489.25 3901.50 -2010.64 -1533.67 3979.91
-2102.16 -935.94 3543.38 -2102.16 -935.94 3543.38
-2341.91 -497.79 3686.80 -2187.2 -467.97 3521.155
-2272.23 0.00 3498.93 -2272.23 0 3498.93
-2171.35 0.00 2881.48 -2205.3 -188.525 3190.205
-2138.36 -377.05 2881.48 -2138.36 -377.05 2881.48
-2003.64 -729.27 2829.57 -2029.73 -743.1 2912.625
-1921.10 -1109.15 2943.77 -1921.1 -1109.15 2943.77
-1832.54 -1537.69 3174.58 -1880.26 -1650.65 3370.64
-1839.42 -2192.14 3797.51 -1839.42 -2192.14 3797.51
-1634.53 -2831.09 4338.19 -1528.77 -2769.45 4261.915
-1218.12 -3346.75 4726.32 -1218.12 -3346.75 4726.32
-610.09 -3460.02 4662.43 -609.06 -3442.11 4710.35
0.00 -3537.47 4694.38 0 -3537.47 4694.38
613.33 -3478.39 4687.19 608.545 -3440.7 4708.355
1217.09 -3343.93 4722.33 1217.09 -3343.93 4722.33
1764.52 -3056.24 4683.20 1616.65 -2873.38 4442.41
2016.21 -2402.82 4162.49 2016.21 -2402.82 4162.49
1980.53 -1661.86 3430.94 1917.835 -1726.65 3475.265
1819.46 -1050.47 2788.04 1819.46 -1050.47 2788.04
1908.07 -694.48 2694.60 1855.635 -692.025 2668.64
1891.81 -333.58 2549.24 1891.81 -333.58 2549.24
1905.35 0.00 2528.48 1863.66 -4.965 2511.305
1835.51 323.65 2473.37 1835.51 323.65 2473.37
1744.63 634.99 2463.79 1815.5 680.14 2612.335
1795.49 1036.63 2751.30 1795.49 1036.63 2751.3
1277.48 1071.93 2213.02 1288.84 984.405 2183.07
782.19 932.18 1614.84 782.19 932.18 1614.84
541.63 938.14 1437.54 567.185 949.895 1490.655
352.18 967.61 1366.47 352.18 967.61 1366.47
169.09 958.94 1292.19 176.09 924.935 1268.635
0.00 882.26 1170.80 0 882.26 1170.8
-156.44 887.23 1195.56 -164.565 893.265 1223.91
-329.13 904.27 1277.02 -329.13 904.27 1277.02
-498.60 863.61 1323.34 -511.175 865.205 1354.085
-693.22 826.14 1431.15 -693.22 826.14 1431.15
-993.49 833.64 1721.06 -1132.56 866.84 1919.915
-1571.90 907.54 2408.68 -1571.9 907.54 2408.68
-1941.43 706.62 2741.72 -1941.43 706.62 2741.72

87个点转换成169个点实现代码.

逻辑:

在排除前两行的87个数据点后，我们需要在每隔一行添加一个空白行进行计算。这些空白行的值应该是其上下两行数据点的平均值。

import openpyxl

# 打开 Excel 文件
workbook = openpyxl.load_workbook('10s.xlsx')

# 新建一个工作表，用于存储处理后的数据
output_wb = openpyxl.Workbook()

# 处理每个工作表
for sheet_name in workbook.sheetnames:
    sheet = workbook[sheet_name]

    # 新建一个工作表，用于存储处理后的数据
    output_sheet = output_wb.create_sheet(title=sheet_name)

    # 添加空白行
    for row in range(sheet.max_row, 0, -1):
        if row > 2:
            sheet.insert_rows(row + 1)

    # 处理数据
    for row in range(1, sheet.max_row + 1):
        if row > 2:
            if row % 2 == 0:
                # 计算上下两行的平均值
                avg_values = []
                for col in range(1, sheet.max_column + 1):
                    value1 = sheet.cell(row=row - 1, column=col).value
                    value2 = sheet.cell(row=row + 1, column=col).value
                    if value1 is None:
                        value1 = 0
                    if value2 is None:
                        value2 = 0
                    avg_value = (value1 + value2) / 2
                    avg_values.append(avg_value)
                # 将平均值写入新行
                output_sheet.append(avg_values)
            else:
                # 直接将原数据写入新行
                row_values = []
                for col in range(1, sheet.max_column + 1):
                    row_values.append(sheet.cell(row=row, column=col).value)
                output_sheet.append(row_values)
        else:
            # 如果是前两行则直接将原数据写入新行
            row_values = []
            for col in range(1, sheet.max_column + 1):
                row_values.append(sheet.cell(row=row, column=col).value)
            output_sheet.append(row_values)

    # 处理完前两行后，将计数器重置为 0
    row = 0

# 保存新Excel文件
output_wb.save('10s-1-2-new3.xlsx')

转换前后 (87个点-->169个点)

x y z x y z
0.00 0.00 4897.00 0 0 4897
-426.19 0.00 4871.39 -426.19 0 4871.39
344.09 -250.00 4861.43 -41.05 -125 4866.41
-130.95 403.01 4843.50 344.09 -250 4861.43
-261.86 805.93 4805.86 106.57 76.505 4852.465
690.48 501.66 4840.33 -130.95 403.01 4843.5
694.84 -504.83 4870.86 -196.405 604.47 4824.68
-264.92 -815.34 4862.00 -261.86 805.93 4805.86
-850.01 0.00 4820.63 214.31 653.795 4823.095
-1183.72 0.00 4747.66 690.48 501.66 4840.33
-601.42 -1041.69 4824.31 692.66 -1.585 4855.595
600.45 -1040.01 4816.55 694.84 -504.83 4870.86
1185.42 0.00 4754.45 214.96 -660.085 4866.43
587.99 1018.43 4716.61 -264.92 -815.34 4862
-585.33 1013.82 4695.26 -557.465 -407.67 4841.315
-1396.26 621.66 4703.93 -850.01 0 4820.63
-448.52 1380.41 4467.11 -1016.87 0 4784.145
740.10 1281.88 4555.56 -1183.72 0 4747.66
1499.53 318.74 4718.19 -892.57 -520.845 4785.985
1228.25 -892.38 4672.54 -601.42 -1041.69 4824.31
163.67 -1557.21 4819.00 -0.485 -1040.85 4820.43
-1031.80 -1145.93 4745.77 600.45 -1040.01 4816.55
-1557.75 0.00 4794.28 892.935 -520.005 4785.5
-1903.00 0.00 4710.09 1185.42 0 4754.45
-1472.71 -1235.75 4758.31 886.705 509.215 4735.53
-339.04 -1922.79 4832.48 587.99 1018.43 4716.61
970.79 -1681.46 4805.59 1.33 1016.125 4705.935
1810.06 -658.81 4767.58 -585.33 1013.82 4695.26
1744.59 634.98 4595.12 -990.795 817.74 4699.595
873.40 1512.76 4323.46 -1396.26 621.66 4703.93
-200.74 1138.47 2861.29 -922.39 1001.035 4585.52
-1402.97 1177.23 4533.00 -448.52 1380.41 4467.11
-1748.78 1270.56 4431.95 145.79 1331.145 4511.335
-313.60 965.16 2080.71 740.1 1281.88 4555.56
315.90 972.25 2095.99 1119.815 800.31 4636.875
1800.91 1308.44 4564.08 1499.53 318.74 4718.19
1888.94 0.00 3872.90 1363.89 -286.82 4695.365
1679.62 -1220.32 4256.69 1228.25 -892.38 4672.54
725.95 -2234.25 4816.64 695.96 -1224.8 4745.77
-722.84 -2224.66 4795.97 163.67 -1557.21 4819
-1887.45 -1371.31 4783.38 -434.065 -1351.57 4782.385
-2029.22 0.00 4160.52 -1031.8 -1145.93 4745.77
-2185.50 0.00 3785.40 -1294.78 -572.965 4770.025
-1871.48 -1080.50 3742.96 -1557.75 0 4794.28
-1223.75 -2119.60 4239.19 -1730.38 0 4752.185
0.00 -2767.50 4793.45 -1903 0 4710.09
1383.00 -2395.43 4790.85 -1687.86 -617.875 4734.2
1971.07 -1138.00 3942.15 -1472.71 -1235.75 4758.31
1934.00 0.00 3349.79 -905.875 -1579.27 4795.395
1903.96 1099.25 3807.91 -339.04 -1922.79 4832.48
609.00 1054.82 2109.64 315.875 -1802.13 4819.035
0.00 981.00 1699.14 970.79 -1681.46 4805.59
-541.50 937.91 1875.81 1390.425 -1170.14 4786.585
-2012.64 1162.00 4025.29 1810.06 -658.81 4767.58
-2114.10 941.26 3563.51 1777.325 -11.915 4681.35
-854.96 949.53 1967.52 1744.59 634.98 4595.12
-311.36 958.27 1551.54 1308.995 1073.87 4459.29
99.97 951.15 1472.71 873.4 1512.76 4323.46
545.18 944.29 1679.02 336.33 1325.615 3592.375
1615.32 1173.60 3074.57 -200.74 1138.47 2861.29
1939.70 412.30 3053.60 -801.855 1157.85 3697.145
1850.73 -393.38 2913.54 -1402.97 1177.23 4533
1815.80 -1319.26 3456.16 -1575.88 1223.895 4482.475
1497.21 -2593.25 4611.01 -1748.78 1270.56 4431.95
324.05 -3083.10 4773.71 -1031.19 1117.86 3256.33
-961.51 -2959.23 4791.32 -313.6 965.16 2080.71
-1864.45 -2070.68 4290.64 1.15 968.705 2088.35
-2052.90 -914.01 3460.35 315.9 972.25 2095.99
-1955.25 0.00 3010.83 1058.405 1140.345 3330.035
-2173.15 0.00 2883.87 1800.91 1308.44 4564.08
-2011.56 -732.15 2840.75 1844.925 654.22 4218.49
-1768.00 -1483.53 3062.77 1888.94 0 3872.9
-1593.91 -2760.73 4230.37 1784.28 -610.16 4064.795
-610.41 -3461.80 4664.83 1679.62 -1220.32 4256.69
611.98 -3470.69 4676.81 1202.785 -1727.29 4536.665
1769.04 -3064.06 4695.18 725.95 -2234.25 4816.64
1954.25 -1639.81 3385.42 1.555 -2229.46 4806.305
1848.12 -672.66 2609.94 -722.84 -2224.66 4795.97
1911.97 0.00 2537.27 -1305.15 -1797.99 4789.675
1767.82 643.43 2496.53 -1887.45 -1371.31 4783.38
1256.73 1054.52 2177.08 -1958.34 -685.655 4471.95
531.40 920.42 1410.39 -2029.22 0 4160.52
173.89 986.21 1328.93 -2107.36 0 3972.96
-156.65 888.42 1197.15 -2185.5 0 3785.4
-481.15 833.38 1277.02 -2028.49 -540.25 3764.18
-834.90 700.57 1446.33 -1871.48 -1080.5 3742.96
-1952.18 710.54 2756.89 -1547.62 -1600.05 3991.075
-1223.75 -2119.6 4239.19
-611.875 -2443.55 4516.32
0 -2767.5 4793.45
691.5 -2581.47 4792.15
1383 -2395.43 4790.85
1677.035 -1766.72 4366.5
1971.07 -1138 3942.15
1952.535 -569 3645.97
1934 0 3349.79
1918.98 549.625 3578.85
1903.96 1099.25 3807.91
1256.48 1077.035 2958.775
609 1054.82 2109.64
304.5 1017.91 1904.39
0 981 1699.14
-270.75 959.455 1787.475
-541.5 937.91 1875.81
-1277.07 1049.955 2950.55
-2012.64 1162 4025.29
-2063.37 1051.63 3794.4
-2114.1 941.26 3563.51
-1484.53 945.395 2765.515
-854.96 949.53 1967.52
-583.16 953.9 1759.53
-311.36 958.27 1551.54
-105.695 954.71 1512.125
99.97 951.15 1472.71
322.575 947.72 1575.865
545.18 944.29 1679.02
1080.25 1058.945 2376.795
1615.32 1173.6 3074.57
1777.51 792.95 3064.085
1939.7 412.3 3053.6
1895.215 9.46 2983.57
1850.73 -393.38 2913.54
1833.265 -856.32 3184.85
1815.8 -1319.26 3456.16
1656.505 -1956.26 4033.585
1497.21 -2593.25 4611.01
910.63 -2838.18 4692.36
324.05 -3083.1 4773.71
-318.73 -3021.17 4782.515
-961.51 -2959.23 4791.32
-1412.98 -2514.96 4540.98
-1864.45 -2070.68 4290.64
-1958.68 -1492.35 3875.495
-2052.9 -914.01 3460.35
-2004.08 -457.005 3235.59
-1955.25 0 3010.83
-2064.2 0 2947.35
-2173.15 0 2883.87
-2092.36 -366.075 2862.31
-2011.56 -732.15 2840.75
-1889.78 -1107.84 2951.76
-1768 -1483.53 3062.77
-1680.96 -2122.13 3646.57
-1593.91 -2760.73 4230.37
-1102.16 -3111.27 4447.6
-610.41 -3461.8 4664.83
0.785 -3466.25 4670.82
611.98 -3470.69 4676.81
1190.51 -3267.38 4685.995
1769.04 -3064.06 4695.18
1861.645 -2351.94 4040.3
1954.25 -1639.81 3385.42
1901.185 -1156.24 2997.68
1848.12 -672.66 2609.94
1880.045 -336.33 2573.605
1911.97 0 2537.27
1839.895 321.715 2516.9
1767.82 643.43 2496.53
1512.275 848.975 2336.805
1256.73 1054.52 2177.08
894.065 987.47 1793.735
531.4 920.42 1410.39
352.645 953.315 1369.66
173.89 986.21 1328.93
8.62 937.315 1263.04
-156.65 888.42 1197.15
-318.9 860.9 1237.085
-481.15 833.38 1277.02
-658.025 766.975 1361.675
-834.9 700.57 1446.33
-1393.54 705.555 2101.61
-1952.18 710.54 2756.89

 文章来源地址https://www.toymoban.com/news/detail-852364.html

 

到了这里，关于替换Excel偶数行为上下平均值的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • Python中计算列表平均值的方法

    列表（list）是Python中一种常用的数据结构，它允许我们存储多个元素。当我们需要计算列表中元素的平均值时，可以使用以下方法。 方法一：使用循环求和 我们可以使用循环遍历列表中的每个元素，并将它们相加，然后将结果除以列表的长度即可得到平均值。下面是使用循

    2024年02月05日
    浏览(56)

  • Python实现平均值算法（含完整代码）

    Python实现平均值算法（含完整代码） 平均值算法是统计学中基础且常用的方法之一，它可以计算出一组数据的平均数。在Python中，我们可以通过简单的代码实现这个算法。 首先，让我们来看一下平均值算法的公式： mean = (x1 + x2 + … + xn) / n 其中，x1、x2、…、xn表示数据集中

    2024年02月08日
    浏览(43)

  • python求列表list平均值的方法

    python内置了两个函数，sum()和len()方法，其中sum()可以用于求取列表的元素和，len()函数可以用于求取列表list元素的个数，由此，利用python求列表list平均值的方法和步骤就脱颖而出了：第一步，使用sum()求元素和；第二步，使用len()求元素个数；第三步，分装为一个函数，方便

    2024年02月11日
    浏览(47)
  • python输入任意多个数，用逗号隔开，求平均值

    python输入任意多个数，用逗号隔开，求平均值

    str = input() lst = str.split(\\\",\\\") s = 0 avg = 0 for x in list(lst): s += int(x) avg = s/len(list(lst))*1.0 print(“它们的平均值是%.3f”%(avg)) 这个版本可以正确计算平均值： 但是以下版本就不行： str = input() lst = str.split(\\\",\\\") i = 0 s = 0 avg = 0 while i = len(lst)+1: s += int(lst.pop()) i += 1 print(s,i) avg = s/(i+1)*1.0

    2023年04月09日
    浏览(78)
  • 19种工程问题，智能优化算法常用指标一键导出为EXCEL，最优值，平均值，标准差，最差值，中位数，秩和检验，箱线图...

    19种工程问题，智能优化算法常用指标一键导出为EXCEL，最优值，平均值，标准差，最差值，中位数，秩和检验，箱线图...

    常见的智能算法对比方法除了使用经典的CEC函数外， 工程优化问题 也是比较常用的方法。 本期实现在19种工程优化问题上对智能算法的指标进行一键统计！ 使你的论文更具说服力！ 19种工程优化问题包含如下： 关于上述工程问题的相关介绍，网络上有很多，这里就不再详细

    2024年04月11日
    浏览(131)
  • 「Python 编程必学」三种简单易用的方法计算平均值

    「Python 编程必学」三种简单易用的方法计算平均值

    计算平均值是计算机编程中最基本的操作之一，Python 提供了多种方法来实现这个操作。下面我将介绍三种方法来计算平均值： 使用 for 循环遍历列表，累加所有元素的值，最后除以列表的长度即可得到平均值。 Python 的内置函数 sum 可以直接计算列表中所有元素的和，只需将

    2024年02月06日
    浏览(55)
  • 各种平均值：算术平均值，几何平均值，调和平均值等

    各种平均值：算术平均值，几何平均值，调和平均值等

    平均值概述 平均数反映了一组数据的一般水平，最常见的平均数是算术平均数，除了算数平均数外，还有几何平均数，调和平均数，加权平均数等。 算术平均值（Arithmetic Mean） 公式解读：表示为所有项之和再除以总数。 应用场景：算术平均值是我们生活中最常见的平均值，

    2024年02月11日
    浏览(37)
  • python matlplotlib/seaborn 绘制曲线的平均值标准差阴影图

    python matlplotlib/seaborn 绘制曲线的平均值标准差阴影图

    旧版本(0.8.1)中使用tsplot，新版本中使用lineplot 直线代表均值，阴影代表mean±std（带有置信区间，参数ci） 不进行平滑处理 平滑处理 画mean+/- standard deviation（std）的曲线图。 导入需要的库：matplotlib 用matplotlib.pyplot画均值曲线（图里的实线） 根据方差，用“fill_between”命令设

    2024年01月23日
    浏览(84)

  • chatgpt赋能python：Python平均值命令在数据处理中的应用

    Python是一门广泛应用于数据分析和数据处理的编程语言。在数据处理中，我们常常需要计算数据的平均值。Python中提供了多种方法来计算平均值，比如使用内置函数mean()或使用numpy库中的mean()函数等。本文将着重介绍Python平均值命令在数据处理中的应用。 在Python中，可以使用

    2024年02月08日
    浏览(51)
  • chatgpt赋能python：Python平均值：让你的数据更有说服力

    chatgpt赋能python：Python平均值：让你的数据更有说服力

    作为一个有10年Python编程经验的工程师，我非常熟悉Python程序的各种应用。其中，计算平均值是数据分析中最常用的计算方法之一，而Python作为一种广泛应用的语言，也可以轻松地处理平均值的计算。 在统计学中，平均值是一组数字的中心值，通常指数学平均值。也就是说，

    2024年02月08日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包