- /**
- * 项目名称:
- * 文件说明:
- * 主要特点: EXCEL公式类型:查找公式
- * 版本号:1.0
- * 制作人:xxx
- * 创建时间:2013-12-3
- **/
- package EXCEL;
- import java.util.Calendar;
- import java.util.Date;
- /**
- * @author lcx
- *
- */
- public class SearchFunctions {
- /**
- * 返回指定数值在指定数组区域中的位置
- * @param lookupvalue 需要在数据表(lookup_array)中查找的值。
- * @param array :可能包含有所要查找数值的连续的单元格区域
- * @param type 表示查询的指定方式,用数字-1、0或者1表示。
- * @param type 为1时,查找小于或等于lookup_value的最大数值在lookup_array中的位置,lookup_array必须按升序排列:
- * 为0时,查找等于lookup_value的第一个数值,lookup_array按任意顺序排列:
- * 为-1时,查找大于或等于lookup_value的最小数值在lookup_array中的位置,
- * lookup_array必须按降序排列。利用MATCH函数查找功能时,
- * 当查找条件存在时,MATCH函数结果为具体位置(数值),
- * 否则显示#N/A错误。
- * @return
- */
- public static int match(int lookupvalue,int[] array,int type)
- {
- int res=0;
- if(array==||array.length==0)
- throw new IllegalArgumentException("数组为空");
- //精确匹配
- if(type==0)
- {
- for(int i=0;i<array.length;i++)
- {
- if(array[i]==lookupvalue)
- return i+1;
- }
- throw new IllegalArgumentException("#N/A");
- }
- //顺序匹配_正序匹配:在查找index的同时必须满足整个数组按照正序排列
- if(type>0)
- {
- if(lookupvalue<array[0])
- throw new IllegalArgumentException("#N/A");
- for(int i=0;i<array.length-1;i++)
- {
- if(array[i]>array[i+1])
- throw new IllegalArgumentException("#N/A");
- if(lookupvalue<array[i])
- res=res>0?res:i;//已经找到了res 接下来就不用赋值了
- }
- if(lookupvalue>array[array.length-1])
- res=array.length;
- }
- //顺序匹配_正序匹配:在查找index的同时必须满足整个数组按照逆序排列
- if(type<0)
- {
- if(lookupvalue>array[0])
- throw new IllegalArgumentException("#N/A");
- for(int i=0;i<array.length-1;i++)
- {
- if(array[i]<array[i+1])
- throw new IllegalArgumentException("#N/A");
- if(lookupvalue>array[i])
- res=res>0?res:i;
- }
- if(lookupvalue<array[array.length-1])
- res=array.length;
- }
- return res;
- }
- public static int vlookup(int target,int[][] scan,int col)
- {
- if(scan.length==0||scan[0].length==0)
- return -Integer.MAX_VALUE;
- if(col>scan[0].length)
- return -Integer.MAX_VALUE;
- for(int i=0;i<scan.length;i++)
- {
- if(target==scan[i][0])
- return scan[i][col-1];
- }
- return -Integer.MAX_VALUE;
- }
- public static int hlookup(int target,int[][] scan,int row)
- {
- if(scan.length==0||scan[0].length==0)
- return -Integer.MAX_VALUE;
- if(row>scan.length)
- return -Integer.MAX_VALUE;
- for(int i=0;i<scan[0].length;i++)
- {
- if(target==scan[0][i])
- return scan[row-1][i];
- }
- return -Integer.MAX_VALUE;
- }
- public static int lookup(int target,int[] array1,int[] array2)
- {
- if(array1==||array2==)
- throw new IllegalArgumentException("#N/A:数组为空");
- if(array1.length!=array2.length)
- throw new IllegalArgumentException("#N/A:数组长度不匹配");
- int index=-1;
- for(int i=0;i<array1.length;i++)
- {
- if(target==array1[i])
- {
- index=i;
- }
- }
- if(index<0)
- throw new IllegalArgumentException("#N/A:没有匹配项");
- return array2[index];
- }
- public static void main(String[] args) {
- /*******************测试查找引用函数*****************************/
- int[] a={25,35,45,55,65};
- int[] b={65,55,45,35,25};
- System.out.println(match(70,a,1));
- System.out.println(match(45,a,0));
- System.out.println(match(60,b,-1));
- System.out.println(match(55,b,-1));
- int[][] scan=new int[][]{{7,17,117,1117},{8,18,118,1118},{9,19,119,1119}};
- System.out.println(vlookup(7,scan,3));
- System.out.println(hlookup(7,scan,3));
- System.out.println(lookup(35,a,b));
- }
- }
java操作excel,函数计算
java是不能提供java调用excel里的函数的,所以我提供这个例子,让大家参考,必须导入jxl.jar包哦!
立即下载
相关推荐
最新Linux CSI Tools安装教程(两台主机,一发一收)(监控模式)
无线感知之CSI Tools工具安装,最新在监控模式下采集CSI数据,
Java中使用Excel的vlookup函数
工作需要有一个需求需要对比两个表格的数据,在外面可以直接用vlookup函数实现,后面想用代码去做,刚开始用apache的poi读取,两个Excel表格俩个循环去判断,后面发现太慢了去找了一下,网上也没啥好的dome,自己慢慢试了一套,奉上代码,可以参考一下: // An highlighted block OutputStream out = null ; BufferedInputStream is = new BufferedInputStream(new FileInputStream(ne
Web前端开发技术:实验14-16
实验14 1. 编写JavaScript程序实现“九九乘法口诀”表,如图14-40所示。 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>九九乘法表</title> </head> <body> <h1>九九乘法表</h1> </body> <scri
JAVA实现EXCEL公式专题(一)——EXCEL公式分类与解析步骤
1)EXCEL公式分类 a. 数值: 从极端情况来说,数值也是一种最简单的公式如 A1=1; b. 简单函数:简单函数指的是参数只能是数值的函数,如公式A3(简单函数)=sum(A1:A2),,A1=1,A2=3; c. 复杂函数:复杂函数指的是参数中也存在函数的,如A4(复杂函数)=avg(A3,A1); d. 表达式:指的是四则运算表达式,如A5=(A4+A1)/A3; 在鄙人现有知
Power BI常见问题篇1:无法打开文档
Power BI常见问题篇1:无法打开文档
【R】R画图不显示中文问题
系统mac os 11 RstutioVersion1.2.1335 RVersion3.6.2 画图里的中文一直显示成方框。 ggplot()+geom_point(aes(x=ta1$X2011年,y=ta1$X2012))+ xlab("2011年")+ylab("2021年") 解决方案: 使用showtext。 install.packages("showtext", repos = "https://mirrors.ustc.edu.cn/CRAN/") in...
java 查找引用,JAVA实现EXCEL公式课题(六)——查找引用函数
JAVA实现EXCEL公式专题(六)——查找引用函数查找引用函数主要有match、lookup、vlookup、hlookup这4种,这几个常用的方法也就不解释啦,直接上干货:/*** 项目名称:* 文件说明:* 主要特点: EXCEL公式类型:查找公式* 版本号:1.0* 制作人:刘晨曦* 创建时间:2013-12-3**/package EXCEL;import java.util...
利用DRONEKIT-SITL + MAVPROXY + QGroundControl模拟飞行
dronekit: 一种用于无人机控制的python库。 dronekit-sitl:一种本地仿真工具,相当于本地虚拟化了一个无人机。 mavproxy:数据转发软件(类似于插线板的感觉,一个输入,多个相同的输出)。打开一个Anaconda prompt 首先激活相应的环境 然后运行如下命令: 保持2中的Anaconda prompt处于运行状态,另打开一个Anaconda prompt窗口,运行如下命令: tcp:127.0.0.1:5760: SITL默认端口,作为mavproxy的输入,把输入数据转发
JAVA实现EXCEL公式专题(七)——统计函数
统计函数主要实现的是较为复杂的统计函数如countif、sumif、frequency,也是,直接上代码/** * 项目名称: * 文件说明: * 主要特点:文件说明:EXCEL函数类型:统计函数 * 简单的函数如sum,average等等就不实现了 * 版本号:1.0 * * 创建时间:2013-12-3 **/ package EXCEL; import ga
Open Dynamics Engine(ODE)物理引擎基础教程(I)——特点介绍
下一教程 Open Dynamics Engine(ODE)物理引擎基础教程(II)——相关概念 (在这一教程中将学习刚体、关节、碰撞的概念在ODE中的特点) 本文结构引言介绍特点使用ODE总结 引言 本文翻译自ODE官方教程英文版,有些地方增加了自己的理解。这一节介绍ODE的相关概念。 基础教程英文原版链接【http://ode.org/wiki/index.php?title=Manua...
15、远程操作水下航行器(ROV)的非线性控制系统设计
本文探讨了远程操作水下航行器(ROV)的非线性控制系统设计,重点介绍了多变量PID控制、改进的PD控制和滑模控制三种方法。详细阐述了各控制策略的原理、建模与仿真过程,并通过对比分析其在稳态误差、振荡、抖振及跟踪效果等方面的性能表现。文章还提出了针对不同控制方法的优化建议,并给出了选择合适控制策略的决策流程,为ROV高精度运动控制提供了系统性解决方案。
POI实现Excel公式的计算 & POI对Excel函数的支持
接到一个大任务,其中有一块儿有点意思(之前没做过),转换成需求就是:前端输入多个参数,用这些参数代入用户配置好的表达式中进行计算。如:配置的公式为CEILING(La-Lb-0.1,0.05),用户输入的La为6.67、Lb为4.43,期望计算得到CEILING(6.67-4.43-0.1,0.05)=2.15。
【软考中级网络工程师】知识点之 ICMP 协议
本文聚焦软考中级网络工程师必备的 ICMP 协议知识,先概述其在 TCP/IP 协议族网络层的地位与无连接特性,再阐述差错报告、网络诊断等功能。解析报文格式,详解差错与查询类报文类型及工作机制,还介绍其在 Ping、Traceroute 命令中的应用,分析常见攻击与防范措施,最后总结核心要点,为网络工程师学习和应用 ICMP 协议提供全面指导。
在Java中的Excel中应用公式和函数
公式定义为执行计算并以单元格形式返回结果值的方程...
RU DOS版、EFI版32bit/64bit BIOS常用工具
DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白
java excel公式计算_java中Excel公式的计算和函数,实例展示
上次已经为大家介绍过java中Excel单元格对齐包含什么?使用边框怎么做?的相关内容,今天继续为大家简述java中Excel公式的计算和函数,并且通过实际的例子来为大家展示。首先会展示实际的代码,并附有一定的说明。一、基本计算,代码展示如下:HSSFSheetsheet=workbook.createSheet("Test");//创建工作表(Sheet)HSSFRowrow=s...
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
【小尘送书-第十五期】Excel函数与公式应用大全for Excel 365 & Excel
Excel Home是微软在线社区联盟成员, 华语Excel资源网站,拥有大量原创技术文章、视频教程、加载宏及模板。Excel Home是一个学习氛围浓厚的技术交流社区,中国大陆及中国港台各行各业身怀 技的Office高手都汇聚于此,目前已有三百多万办公人士选择成为它的注册会员。Excel Home已精心编写并出版Office领域的图书60余种,截至2020年春节,图书销量累计达200多万册。经典:Excel Home团队策划,多位微软全球MVP通力打造。升级。
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,
JAVA实现EXCEL公式专题(四)——字符串函数
直接上代码:/** * 项目名称: * 文件说明: ExCEL公式类型:字符串公式 * 主要特点: * 版本:1.0 * 制作人:刘晨曦 * 创建时间:2013-12-3 **/ package EXCEL; /** * @author lcx * */ public class StringFunctions { public static...
【粉丝福利社】Excel函数与公式应用大全for Excel 365 & Excel 2021(文末送书-完结)
Excel函数和公式在日常生活中的应用非常广泛,无论是在个人还是商业领域,Excel都是一个非常强大和常用的工具。财务管理:可以使用Excel函数和公式来创建预算表、跟踪支出和收入、计算利润和损益以及管理投资组合。数据分析:可以使用Excel函数和公式来分析和汇总数据,进行统计分析、趋势分析、数据可视化和报表生成。项目管理:可以使用Excel函数和公式来跟踪项目进度、计算任务完成时间、制定时间表和资源分配。
java excel函数_JAVA实现EXCEL公式专题(四)——字符串函数
/*** 项目名称:* 文件说明: ExCEL公式类型:字符串公式* 主要特点:* 版本号:1.0* 制作人:刘晨曦* 创建时间:2013-12-3**/package EXCEL;/*** @author lcx**/public class StringFunctions {public static String right(String str,int len){if(len&...
JAVA实现EXCEL公式专题(五)——数字处理函数
由于数字处理已经是非常常见的了,比如四舍五入、取整、整除等等,在这里不多说,上点简单的代码 /** * 项目名称: * 文件说明:EXCEL公式类型:数字公式 * 主要特点: * 版本号:1.0 * 制作人:xxx * 创建时间:2013-12-3 **/ package EXCEL; import java.util.Random; public class
java解析excel公式_Java 添加、读取Excel公式
Excel是办公室自动化中非常重要的一款软件,具有强大的数据分析和处理功能。其中,Excel公式(包括函数)起了非常重要的作用。因此,掌握处理公式的能力有利于提高对Excel的应用水平,进而提高工作效率。本文将通过使用Java程序来演示如何添加、读取Excel公式。Jar文件获取及导入:方法1:通过官网下载获取jar包。解压后将lib文件夹下的Spire.Xls.jar文件导入Java程序。(如下...
excel获取公式的值java,java实现在excel中创建及读取公式
操作excel表格用公式来处理数据时,可通过创建公式来运算数据,或通过读取公式来获取数据信息来源。这里使用了java类库(Free Spire.XLS for Java 免费版)获取文件包后,解压,将lib文件夹下的jar文件导入Java程序。如图:(免费视频教程分享:java视频教程)1、创建公式import com.spire.xls.*;public class AddFormula {pu...
java生成函数excel_如何通过Java代码实现创建和读取Excel公式
如何通过Java代码实现创建和读取Excel公式发布时间:2020-06-06 21:58:24来源:亿速云阅读:250作者:Leah如何通过Java代码实现创建和读取Excel公式?相信大部分人都还没学会这个技能,为了让大家学会,给大家总结了以下内容,话不多说,一起往下看吧。这里使用了Excel Java类库(Free Spire.XLS for Java 免费版),在官网下载获取文件包后,解压...
3036



被折叠的 条评论
为什么被折叠?



