案例导入

如下图所示，给年龄大于等于45岁的人员的工资加300元。输出修改后的表数据，并在同目录下另存为“修改后的人员工资”。添加代码注释。

图1.原始数据表

文心一言提示词

打开百度“文心一言”，输入提示词：“你是pandas专家，文件路径为：D:/Samples/人员工资.xlsx。该Excel文件的第一个工作表中A-E列为给定数据。用pandas导入Excel文件的数据，引擎为"openpyxl"。在导入的数据中，给年龄大于等于45岁的人员的工资加300元。输出修改后的表数据，并在同目录下另存为“修改后的人员工资”。添加代码注释。”

显示结果如下：

首先，确保你已经安装了pandas和openpyxl库。如果尚未安装，可以使用以下命令安装：

pip install pandas openpyxl

接下来，你可以使用以下Python代码来完成你的需求：

import pandas as pd# 文件路径file_path = 'D:/Samples/人员工资.xlsx'# 使用pandas读取Excel文件，指定引擎为'openpyxl'df = pd.read_excel(file_path, sheet_name=0, engine='openpyxl')# 检查年龄列是否存在，并确认其数据类型为数值型if '年龄' in df.columns and pd.api.types.is_numeric_dtype(df['年龄']):    # 筛选年龄大于等于45岁的行    mask = df['年龄'] >= 45        # 给这些人员的工资加300元    df.loc[mask, '工资'] += 300else:    print("年龄列不存在或不是数值型，无法进行操作。")# 展示修改后的表数据print(df)# 将修改后的数据保存到同目录下的新文件中output_file_path = 'D:/Samples/修改后的人员工资.xlsx'df.to_excel(output_file_path, index=False, engine='openpyxl')print(f"修改后的数据已保存至 {output_file_path}")

在这段代码中，我们做了以下几件事：

导入pandas库，并设置文件路径。使用pd.read_excel函数读取Excel文件，并指定第一个工作表（sheet_name=0）和引擎为openpyxl。检查年龄列是否存在，并确认其数据类型是否为数值型。使用布尔索引mask筛选出年龄大于等于45岁的行，并给这些行的工资列加上300元。打印出修改后的数据表。使用to_excel函数将修改后的数据保存到新的Excel文件中，并指定不保存行索引（index=False）。

注意：代码中的列名（如'年龄'和'工资'）需要与Excel文件中的实际列名完全一致，包括中文字符和空格。如果列名不同，需要修改代码中的列名以匹配实际的Excel列名。

Python编辑器运行

图2.Python运行结果

图3.新生成的数据表

本合集使用的工具如下：

文心一言：3.5版本

Python编辑器：3.9.0

申明：以上结果皆为实际运行结果，如遇到无法运行可在评论区留言。部分数据来自网络，如有侵权请私信告知，感谢！