电子台账:模板制作之三——抓取多行数据后自动进行数据合并(体力活版本)

文章介绍了如何将一个肉产品加工厂的各种鸡产品数据,如皮串、棒棒鸡等,通过模板和数据处理方法整合成一个名为‘禽肉’的类别,实现数据的简化和加总。过程中提到了行和列的过滤模板使用,以及新产品出现时需及时更新模板以避免数据丢失的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 需求简介

这里有一个案例,就是俺们这里由一个肉产品加工厂特别厉害,能把简单的一只鸡,加工成各种各样的鸡相关产品,比如:

皮串-新
棒棒鸡
丸子饼
新葱肉串
出口鸡肝串
锅包肉
火锅胸肉片
碎原料下脚料
新腿排
即食鸡心
内销油炸块
出口鸡胗串

还有好多没听说过的名字,一共有好几十种。不用把每种产品都详细导入到账页中,只要把这么多行的数据弄成一行,他们统一命名为”禽肉“,数据直接加和就行。

我取了一部分数据简单演示一下,要求是下面这样的,每个红框中的产品命名成一个新的产品名字,数据加和:

2 制作列过滤模板

跟以前博客介绍中一样的操作。

3 制作行过滤模板

跟以前不一样的地方是,在对应的“替换为”单元格,统统输入“禽肉”。

这样就完成了“禽肉”这类产品的设置。如果把几十种上百种产品都这样弄,真是体力活。

4 数据抓取

执行数据抓取,可以看到数据合并的效果:

5 需要注意

如果某个月开发出了新产品,但是行过滤模板中没有定义这种新产品,那么这产品数据就丢了。

因此一旦出了新产品,需要增加到行过滤列表中。

基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值