简约而不简单 一键式统计 5.0

import os
import win32com.client as win32
import shutil
import openpyxl

import time

#####第一步先降原文件夹中的xlsx文件直接拷贝至bak文件夹中,切片r s t


fn = '资产负债表.xlsx'
wb = openpyxl.load_workbook(fn)

ws = wb.get_sheet_by_name("资产负债表")



################################################锁定纳税申报表和工作薄


# 如下代码用于将多个表中的相关数据写入财务状况表


def getdate(date_row, date_column):
    row_result = 0
    column_result = 0
    result = 0

    for row in ws.iter_rows():

        for cell in row:
            for i in range(len(date_row)):
                if str(str(cell.value).replace(' ', '')).find(date_row[i]) != -1 and len(str(cell.value).replace(' ', '')) == len(date_row[i])   :
                    row_result = cell.row
                    #print(row_result)
                    break

    for row in ws.iter_rows():
        for cell in row:
            for i in range(len(date_column)):
                if str(str(cell.value).replace(' ', '')).find(date_column[i]) != -1 and  len(str(cell.value).replace(' ', '')) == len(date_column[i]) :
                    column_result = cell.column
                    #print(column_result)
                    break

    if row_result == 0 or column_result == 0:
        result = 0
    else:
        if ws.cell(row = row_result , column = column_result).value != None:
            print(ws.cell(row=row_result, column=column_result).value)
            result = ws.cell(row=row_result, column=column_result).value
    return result


if __name__ == '__main__':

    print(getdate(['存货'],['年初余额','年初数']));
    print(getdate(['流动资产合计'],['期末余额','期末数']));
    print(getdate(['应收账款'],['期末余额','期末数']));
    print(getdate(['存货'],['期末余额','期末数']));
    print(getdate(['固定资产原价'],['期末余额','期末数']));
    print(getdate(['累计折旧'],['期末余额','期末数']));
    print(getdate(['资产总计'],['期末余额','期末数']));
    print(getdate(['负债合计'],['期末余额','期末数']));









内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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