案例導入
如下表，将第1列作為索引列，引擎為”openpyxl”。請彙總每一天的測量值。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”。請彙總每一天的測量值。添加代碼注釋。”
顯示結果如下：
首先，你需要確定你已經安裝了pandas庫以及openpyxl引擎（用于讀取.xlsx檔案）。如果尚未安裝，你可以使用pip來安裝它們：
pip install pandas openpyxl 接下來，你可以使用下面的Python代碼來完成你的需求：
import pandas as pd
# 檔案路徑
file_path = 'D:/Samples/時間序列.xlsx'
# 讀取Excel檔案中第1個工作表的資料，第1列作為索引列，使用'openpyxl'作為引擎
# parse_dates參數用于指定哪一列或多列應該被解析為日期，這裡假設日期在第一行且列名為'Date'
# 如果你的日期列沒有特定的列名，而是直接作為第一列（即索引列），則不需要指定parse_dates
df = pd.read_excel(file_path, sheet_name=0, index_col=0, engine='openpyxl')
# 假設'Value'是你要彙總的測量值的列名
# 如果你的列名不同，請替換為實際的列名
# 使用resample方法按天彙總資料，這裡使用'sum'作為聚合函數
# 如果你的資料已經是按天排序的，可以省略base參數
# 如果你的索引不是日期時間類型，你需要先将其轉換為日期時間類型
df.index = pd.to_datetime(df.index) # 確定索引是日期時間類型
daily_summary = df['Value'].resample('D').sum() # 假設你的測量值在'Value'列中
# 輸出每天的測量值彙總
print(daily_summary)
# 如果需要将結果儲存回Excel檔案，可以使用下面的代碼
output_path = 'D:/Samples/時間序列_每日彙總.xlsx'
daily_summary.to_excel(output_path) 注意：
- 在上面的代碼中，我假設你的日期列是索引列，并且你的測量值在名為'Value'的列中。你需要根據你的實際Excel檔案結構來修改這些參數。
- 如果你的日期列不是索引列，而是普通的資料列，你需要先将其設定為索引列，或者在使用resample方法時指定on參數為日期列的列名。
- 如果你的日期列沒有特定的列名（例如，它直接作為第一列，并且你想将其作為索引），那麼index_col=0已經足夠了，你不需要額外指定parse_dates。
- resample('D')會按照天數重新采樣資料。這要求你的索引是日期時間類型。如果不是，你需要先将其轉換為日期時間類型，如上面的代碼所示。
- 我使用了sum作為聚合函數來彙總測量值。如果你的需求是求平均值、最大值、最小值等，你可以相應地更改聚合函數。
Python運作結果
圖1.Python運作結果
文心一言給的代碼示例中的‘value’需要根據實際情況改為‘測量值’。