案例導入
如下表所示，用匿名函數給每個測量值加上一個0-1之間不同的随機數。添加代碼注釋。
| 時間 | 測量值 |
| 2022-03-18 00:00:00 | 5 |
| 2022-03-18 01:00:00 | 9 |
| 2022-03-18 02:00:00 | 6 |
| 2022-03-18 03:00:00 | 9 |
| 2022-03-18 04:00:00 | 8 |
| 2022-03-18 05:00:00 | 10 |
| 2022-03-18 06:00:00 | 4 |
| 2022-03-18 07:00:00 | 3 |
| 2022-03-18 08:00:00 | 6 |
| 2022-03-18 09:00:00 | 3 |
| 2022-03-18 10:00:00 | 1 |
| 2022-03-18 11:00:00 | 6 |
| 2022-03-18 12:00:00 | 7 |
| 2022-03-18 13:00:00 | 4 |
| 2022-03-18 14:00:00 | 1 |
| 2022-03-18 15:00:00 | 7 |
| 2022-03-18 16:00:00 | 4 |
| 2022-03-18 17:00:00 | 10 |
| 2022-03-18 18:00:00 | 8 |
| 2022-03-18 19:00:00 | 6 |
| 2022-03-18 20:00:00 | 6 |
| 2022-03-18 21:00:00 | 1 |
| 2022-03-18 22:00:00 | 5 |
| 2022-03-18 23:00:00 | 4 |
| 2022-03-19 00:00:00 | 5 |
| 2022-03-19 01:00:00 | 5 |
| 2022-03-19 02:00:00 | 4 |
| 2022-03-19 03:00:00 | 1 |
| 2022-03-19 04:00:00 | 8 |
| 2022-03-19 05:00:00 | 6 |
| 2022-03-19 06:00:00 | 1 |
| 2022-03-19 07:00:00 | 2 |
| 2022-03-19 08:00:00 | 8 |
| 2022-03-19 09:00:00 | 4 |
| 2022-03-19 10:00:00 | 9 |
| 2022-03-19 11:00:00 | 1 |
| 2022-03-19 12:00:00 | 8 |
| 2022-03-19 13:00:00 | 2 |
| 2022-03-19 14:00:00 | 5 |
| 2022-03-19 15:00:00 | 2 |
| 2022-03-19 16:00:00 | 6 |
| 2022-03-19 17:00:00 | 9 |
| 2022-03-19 18:00:00 | 6 |
| 2022-03-19 19:00:00 | 2 |
| 2022-03-19 20:00:00 | 1 |
| 2022-03-19 21:00:00 | 8 |
| 2022-03-19 22:00:00 | 1 |
| 2022-03-19 23:00:00 | 2 |
| 2022-03-20 00:00:00 | 6 |
| 2022-03-20 01:00:00 | 6 |
| 2022-03-20 02:00:00 | 10 |
| 2022-03-20 03:00:00 | 9 |
| 2022-03-20 04:00:00 | 6 |
| 2022-03-20 05:00:00 | 7 |
| 2022-03-20 06:00:00 | 8 |
| 2022-03-20 07:00:00 | 10 |
| 2022-03-20 08:00:00 | 1 |
| 2022-03-20 09:00:00 | 3 |
| 2022-03-20 10:00:00 | 1 |
| 2022-03-20 11:00:00 | 3 |
| 2022-03-20 12:00:00 | 2 |
| 2022-03-20 13:00:00 | 10 |
| 2022-03-20 14:00:00 | 9 |
| 2022-03-20 15:00:00 | 5 |
| 2022-03-20 16:00:00 | 2 |
| 2022-03-20 17:00:00 | 4 |
| 2022-03-20 18:00:00 | 10 |
| 2022-03-20 19:00:00 | 7 |
| 2022-03-20 20:00:00 | 6 |
| 2022-03-20 21:00:00 | 10 |
| 2022-03-20 22:00:00 | 4 |
| 2022-03-20 23:00:00 | 7 |
| 2022-03-21 00:00:00 | 7 |
| 2022-03-21 01:00:00 | 9 |
| 2022-03-21 02:00:00 | 8 |
| 2022-03-21 03:00:00 | 6 |
| 2022-03-21 04:00:00 | 2 |
| 2022-03-21 05:00:00 | 6 |
| 2022-03-21 06:00:00 | 10 |
| 2022-03-21 07:00:00 | 3 |
| 2022-03-21 08:00:00 | 2 |
| 2022-03-21 09:00:00 | 1 |
| 2022-03-21 10:00:00 | 7 |
| 2022-03-21 11:00:00 | 2 |
| 2022-03-21 12:00:00 | 9 |
| 2022-03-21 13:00:00 | 1 |
| 2022-03-21 14:00:00 | 7 |
| 2022-03-21 15:00:00 | 2 |
| 2022-03-21 16:00:00 | 2 |
| 2022-03-21 17:00:00 | 10 |
| 2022-03-21 18:00:00 | 5 |
| 2022-03-21 19:00:00 | 5 |
| 2022-03-21 20:00:00 | 4 |
| 2022-03-21 21:00:00 | 6 |
| 2022-03-21 22:00:00 | 4 |
| 2022-03-21 23:00:00 | 1 |
| 2022-03-22 00:00:00 | 5 |
| 2022-03-22 01:00:00 | 10 |
| 2022-03-22 02:00:00 | 6 |
| 2022-03-22 03:00:00 | 9 |
文心一言提示詞
打開百度“文心一言”，輸入提示詞：“你是pandas專家。檔案路徑為：D:/Samples/時間序列.xlsx。用pandas導入Excel檔案中第1個工作表中的資料，将第1列作為索引列，引擎為”openpyxl”。使用匿名函數給每個測量值加上一個0-1之間不同的随機數。添加代碼注釋。”
顯示結果如下：
首先，確定你已經安裝了pandas和openpyxl庫，因為openpyxl是用于讀取和寫入Excel 2010 xlsx/xlsm/xltx/xltm 檔案的Python庫。如果還沒有安裝，你可以通過pip安裝它們：
pip install pandas openpyxl 接下來，你可以使用以下Python代碼來導入Excel檔案中的資料，将第1列作為索引列，并使用匿名函數（lambda）給每個測量值加上一個0-1之間不同的随機數：
import pandas as pd
import numpy as np
# 檔案路徑
file_path = 'D:/Samples/時間序列.xlsx'
# 讀取Excel檔案，使用openpyxl作為引擎，并将第1列作為索引列
# 注意：Excel中的第1列通常是A列，但在pandas中索引從0開始，是以這裡指的是'A'列
df = pd.read_excel(file_path, sheet_name=0, index_col=0, engine='openpyxl')
# 生成一個與資料框（DataFrame）長度相同的0-1之間的随機數數組
# 注意：這裡我們使用numpy的random.rand函數，它生成[0, 1)之間的随機數
random_numbers = np.random.rand(len(df))
# 使用applymap（對于整個DataFrame）或apply（對于Series）是不合适的，
# 因為我們想要對DataFrame中的每個元素進行操作，而不是整個Series或DataFrame。
# 是以我們将直接使用廣播功能，即直接将numpy數組與DataFrame相加
# 但是，因為DataFrame可能包含不同類型的列（例如，既有整數又有浮點數），
# 我們需要確定DataFrame中的所有列都是可以與浮點數相加的數值類型。
# 如果不是，我們需要先轉換它們。
# 假設所有列都是數值類型，我們可以直接相加
df_with_random = df.add(random_numbers, axis=0)
# 注意：這裡我們使用DataFrame的add方法，它将每個随機數與對應行（axis=0）的所有元素相加
# 如果DataFrame中有非數值列，你需要先處理它們（例如，将它們設定為NaN或使用fillna()填充它們）
# 現在df_with_random包含了帶有随機數的資料
print(df_with_random) 注意：上面的代碼假設df的所有列都是數值類型的，可以直接與浮點數相加。如果DataFrame中有非數值類型的列（如字元串或日期），你需要先對它們進行處理，因為它們不能與浮點數直接相加。
此外，add方法預設會進行廣播操作，即将random_numbers這個一維數組擴充為一個與df形狀相同的二維數組（實際上并沒有建立新的數組，隻是進行了廣播操作），然後逐元素相加。這樣可以確定每個測量值都加上了一個不同的随機數。
Python運作結果
圖1.Python運作環境
圖2.Python運作結果
本合集使用的工具如下：
文心一言：3.5版本
Python編輯器：3.9.0
申明：以上結果皆為實際運作結果，如遇到無法運作可在評論區留言。部分資料來自網絡，如有侵權請私信告知，感謝！