### 使用 Python 处理 Excel 文件 为了实现这一需求，可以采用 `pandas` 和 `openpyxl` 库。以下是具体方法： #### 导入所需库 ```python import pandas as pd from datetime import datetime ``` #### 加载 Excel 数据到 DataFrame 中 通过 `pandas.read_excel()` 函数加载 Excel 文件中的数据。 ```python df = pd.read_excel(r'C:\Users\Desktop\hebing\学生登记表.xls', sheet_name=0) ``` #### 遍历并筛选符合条件的数据行 创建一个新的列表用于存储满足条件的索引位置，并遍历每一行判断其第一个单元格是否为整数类型。 ```python integer_rows = [] for idx, row in df.iterrows(): if isinstance(row.iloc[0], int): # 判断首列是否为整型 integer_rows.append(idx) if (idx + 1) < len(df.index): integer_rows.append(idx + 1) filtered_df = df.loc[integer_rows].reset_index(drop=True) ``` #### 转换数据格式 对于被选中的这些行，将其中的整数值转换成日期格式；而浮点数则转为百分比形式显示。 ```python def convert_to_date(x): try: return datetime.fromordinal(datetime(1900, 1, 1).toordinal() + int(x) - 2) except ValueError: return x def format_percentage(x): if isinstance(x, float): return f"{x:.2%}" else: return x formatted_df = filtered_df.copy() formatted_df[df.select_dtypes(include=['int']).columns] = \ formatted_df.select_dtypes(include=['int']).applymap(convert_to_date) formatted_df[df.select_dtypes(include=['float']).columns] = \ formatted_df.select_dtypes(include=['float']).applymap(format_percentage) ``` #### 将修改后的数据写回新的 Excel 文件 最后利用 `pandas.DataFrame.to_excel()` 方法保存更新过的内容至新文件中。 ```python output_path = r'new_file.xlsx' with pd.ExcelWriter(output_path, engine='openpyxl') as writer: formatted_df.to_excel(writer, index=False, sheet_name="Sheet1") ```