Tee

最後修改於 2025 / 6 / 11 by CML

# -- coding: utf-8 --
"""
Created on Mon May  2 16:14:50 2022
906 字串替換
@author: User
"""

f_name = input()  # 請求用戶輸入文件名稱
str_old = input()  # 請求用戶輸入要替換的舊字符串
str_new = input()  # 請求用戶輸入新的字符串

file = open(f_name, 'r+')  # 打開指定的文件，讀取和覆蓋模式
data = file.read()  # 讀取文件內容

print("==== Before the replacement ====")
print(data)  # 打印原始數據

print("==== After the replacement ====")
data = data.replace(str_old, str_new)  # 進行字符串替換
print(data)  # 打印替換後的數據

file.seek(0)  # 將文件指針移到開始位置
file.write(data)  # 將替換後的數據寫回文件
file.close()  # 關閉文件
# -- coding: utf-8 --
"""
Created on Mon May  2 16:20:07 2022
907 詳細資料顯示
@author: User
"""

f_name = input()  # 請求用戶輸入文件名稱
f_line = f_word = f_char = 0  # 初始化行數、詞數和字符數

# 使用 with 語句開啟文件
with open(f_name, 'r') as file:  # 以讀取模式打開文件
    for line in file:  # 遍歷文件的每一行
        f_line += 1  # 行數增加
        f_word += len(line.split())  # 計算詞數
        f_char += sum(len(c) for c in line.split())  # 計算每個詞的字符長度並累加

print('%d line(s)' % f_line)  # 打印行數
print('%d word(s)' % f_word)  # 打印詞數
print('%d character(s)' % f_char)  # 打印字符數
"""
Created on Wed Jun 11 20:31:04 2025
908 字元數計算
@author: CSU-MIS
"""

f_name = input('請輸入人要讀取的檔案名稱：')  # 請求用戶輸入文件名稱
n = int(input('字元出現次數：'))  # 請求用戶輸入要查找的出現次數
countDict = {}  # 用於存儲單詞及其出現次數的字典
f_word = []  # 用來存儲出現次數等於 n 的單詞

with open(f_name, 'r', encoding='utf-8') as file:  # 打開指定的文件
    for line in file:  # 對於文件中的每一行
        for w in line.split():  # 將每行按空格分割成單詞
            if w in countDict:  # 如果單詞已在字典中
                countDict[w] += 1  # 增加該單詞的計數
            else:  # 如果單詞不在字典中
                countDict[w] = 1  # 新增單詞並設置計數為1

print('countDict:', countDict)  # 打印單詞和其出現次數的字典
print('Len of countDict:', len(countDict))  # 打印獨特單詞的數量

for word in countDict:  # 遍歷字典中的所有單詞
    if countDict[word] == n:  # 如果單詞的計數等於 n
        f_word.append(word)  # 將該單詞添加到 f_word 列表中

f_word.sort()  # 對出現次數等於 n 的單詞進行排序

for ans in f_word:  # 遍歷存儲結果的 lista
    print('ans', ans)  # 打印所有符合條件的單詞
# pip install pandas
# 使用 pandas 讀取 csv 檔案

import pandas as pd

file_path = 'sales.csv'

# 嘗試使用 Big5 編碼讀取
df = pd.read_csv(file_path, encoding='big5')

print(df.head())
銷售紀錄表2025/012025/022025/032025/042025/052025/06
台北8000900010000110001200013000
台中800082008400860088009000
高雄900090509100915092009250 
import pandas as pd
import matplotlib.pyplot as plt

# 設定 CSV 檔案路徑
file_path = 'sales.csv'

# 讀取 CSV (Big5 編碼)
df = pd.read_csv(file_path, encoding='big5')

print("原始資料：")
print(df)

# 將資料轉換為長格式 (地區、月份、銷售)
df_melted = df.melt(id_vars=[df.columns[0]], var_name='Month', value_name='Sales')
df_melted.rename(columns={df.columns[0]: 'Region'}, inplace=True)

# 將月份轉換為 datetime 格式
df_melted['Month'] = pd.to_datetime(df_melted['Month'] + '/01', format='%Y/%m/%d')

# 繪製圖表
plt.figure(figsize=(10, 5))

# 每個地區畫一條線
for region in df_melted['Region'].unique():
    region_data = df_melted[df_melted['Region'] == region]
    plt.plot(region_data['Month'], region_data['Sales'], marker='o', label=region)

# 設定圖表標題及坐標軸
plt.title('Monthly sales trend chart by region', fontsize=14)
plt.xlabel('Months', fontsize=12)
plt.ylabel('Sales Amounts', fontsize=12)
plt.xticks(rotation=45)
plt.grid()

plt.legend()
plt.tight_layout()
plt.show()

























		
		
			




	



			

			
		
	



	
 
	


	









	
	
	



	
                
                	返回頂端