word中查找“元”字，但前面不能带“万”字的通配符

[^万]元

抱歉，我的回答有误。正确的通配符应该是“[!万]元”，其中“!万”表示不包含“万”字。

非常抱歉，我再次犯了错误，正确的通配符应该是“[^万]元”，其中“^”表示不包含“万”字。

非常抱歉，我再次犯了错误。正确的通配符应该是“[!万]元”，其中“”表示任意数目的字符，而“[!万]”表示不包含“万”字的字符。这个通配符可以匹配任意以“元”结尾，且前面没有“万”字的字符串。

在Python中，列表（list）可以看作是一种数组，是一种有序的可变容器，可以存放任意数量任意类型的数据。列表中的元素是用逗号分隔的，放在方括号中。例如：

mylist = [1, 2, 3, 4, 5]

另外，Python还提供了一种数组实现，即数组模块array。和列表不同，数组中只能存储指定类型的元素。

要使用数组模块array需要先导入：

import array as arr

然后可以创建一个数组：

myarr = arr.array('i', [1, 2, 3, 4, 5])

这里，第一个参数'i'表示数组中的元素类型为整数。还可以选择其他的类型码，比如'b'表示有符号的字节型整数，'f'表示浮点型数字。

在Python中，字典（dictionary）是一种映射类型的数据结构，用于存储键值对。字典使用大括号{}来创建，每个键值对之间使用冒号:分隔，键值对之间使用逗号,分隔，如下所示：

mydict = {'apple': 3, 'banana': 5, 'cherry': 2}

在上面的例子中，'apple'、'banana'、'cherry'是键，3、5、2是对应的值。可以通过键来访问对应的值，例如：

print(mydict['apple'])

输出为3。

字典的键必须是不可变的，所以常用的键类型有字符串、整数、元组等不可变数据类型。同时，也可以在字典中存储其他复杂的数据类型，如列表、字典等。字典也支持添加、修改、删除元素，以及遍历字典中的元素等操作。

在Python中，元组（tuple）是一种有序的不可变容器，与列表类似，但是元组的元素是不可改变的。元组的语法是用逗号分隔的值，放在圆括号中。

创建元组的方式：

mytuple = (1, 2, 3)
mytuple2 = ('apple', 'banana', 'cherry')

元组的元素可以包含不同类型的数据，如整数、字符串、浮点数、列表、字典等。

访问元素的方式和访问列表元素相同，即通过下标的方式访问：

print(mytuple[0]) # 输出1
print(mytuple2[1]) # 输出'banana'

元组是不可变的，如果尝试修改元素的值，Python会报错。

元组支持和列表类似的操作，如切片、合并、重复等，元组也可以通过for循环依次访问其中的元素。由于元组的不可变性质，元组在某些场景下会比列表更加安全和高效。

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，常用于Web应用程序中，以解决服务器与客户端之间的数据交换问题。JSON数据是一种键值对形式的数据结构，可以包含数字、字符串、布尔、数组、对象等类型的数据。JSON数据在Python中可表示为字典（dict）、列表（list）等类型的嵌套对象。

在Python中，可以使用json模块来处理JSON数据。 json模块中主要有四个方法：

• json.dumps()：将Python对象（嵌套的列表和字典等）转换为JSON字符串。
• json.loads()：将JSON字符串转换为Python对象。
• json.dump()：将Python对象（嵌套的列表和字典等）转换为JSON字符串，并将其写入文件中。
• json.load()：从文件中读取JSON字符串，并将其转换为Python对象。

以下是一个简单的示例：

import json

# 创建一个Python对象
data = {
    "name": "Tom",
    "age": 18,
    "gender": "male",
    "grades": [80, 90, 95],
}

# 将Python对象转换为JSON字符串
json_str = json.dumps(data)

# 输出JSON字符串
print(json_str)

# 将JSON字符串转换为Python对象
data_again = json.loads(json_str)

# 输出Python对象
print(data_again)

# 将Python对象转换为JSON并写入文件
with open("data.json", "w") as f:
    json.dump(data, f)

# 读取JSON文件并转换为Python对象
with open("data.json", "r") as f:
    data_from_file = json.load(f)

# 输出从文件中读取的Python对象
print(data_from_file)

输出结果为：

{"name": "Tom", "age": 18, "gender": "male", "grades": [80, 90, 95]}
{'name': 'Tom', 'age': 18, 'gender': 'male', 'grades': [80, 90, 95]}
{'name': 'Tom', 'age': 18, 'gender': 'male', 'grades': [80, 90, 95]}

以上代码演示了如何将Python对象转换为JSON字符串并输出，如何将JSON字符串转换为Python对象并输出，如何将Python对象写入JSON文件，并如何读取JSON文件并转换为Python对象。

假设我们有一个字典data，想要统计其中各个键的数量并画出饼状图，可以使用Python的matplotlib模块进行绘图。

下面是实现的代码：

import matplotlib.pyplot as plt

# 字典对象
data = {'apple': 3, 'banana': 5, 'cherry': 2}

# 统计键的数量
labels = data.keys()
values = data.values()

# 绘制饼状图
plt.figure(figsize=(6,6))
plt.pie(values, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart of Data')

# 显示图形
plt.show()

其中，将字典的键赋值给labels，将键的数量赋值给values。然后使用plt.pie()函数绘制饼状图，其中labels参数是各个键的名称，values参数是各个键的数量，autopct参数用于设置数值的格式。最后使用plt.show()函数显示图形。

绘制出的饼状图如下所示：

[image: Pie Chart of Data] open

假设我们有一个字典data，想要统计其中各个键的数量并画出饼状图，可以使用Python的matplotlib模块进行绘图。

下面是实现的代码：

import matplotlib.pyplot as plt

# 字典对象
data = {'apple': 3, 'banana': 5, 'cherry': 2}

# 统计键的数量
labels = data.keys()
values = data.values()

# 绘制饼状图
plt.figure(figsize=(6,6))
plt.pie(values, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart of Data')

# 显示图形
plt.show()

其中，将字典的键赋值给labels，将键的数量赋值给values。然后使用plt.pie()函数绘制饼状图，其中labels参数是各个键的名称，values参数是各个键的数量，autopct参数用于设置数值的格式。最后使用plt.show()函数显示图形。

绘制出的饼状图如下所示：

[image: Pie Chart of Data] open

要实现这个功能，可以使用Python的pandas库来读取Excel中的数据，并使用字典统计数组中各个元素的数量，最后使用matplotlib库绘制饼状图。

下面是一个示例代码：

import pandas as pd
import matplotlib.pyplot as plt

# 读取Excel文件
df = pd.read_excel('your_excel_file_name.xlsx')

# 获取某一列的所有不为空的字符串
col = 'your_column_name'
data = df[col][df[col].notnull()].tolist()

# 统计元素数量
counts = {}
for d in data:
    if d in counts:
        counts[d] += 1
    else:
        counts[d] = 1

# 绘制饼状图
labels = counts.keys()
values = counts.values()
plt.figure(figsize=(6,6))
plt.pie(values, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart of Data')

# 显示图形
plt.show()

在上面的代码中，首先使用pandas库的read_excel()函数读取Excel文件。然后通过notnull()函数获取某一列中所有不为空的字符串并转换为列表。接着使用一个字典counts统计数组中各个元素的数量，最后使用plt.pie()函数绘制饼状图。

对代码中的"your_excel_file_name.xlsx"和"your_column_name"分别替换成实际的Excel文件名和列名即可。

要实现这个功能，可以使用Python的pandas库来读取Excel中的数据，并使用字典统计数组中各个元素的数量，最后使用matplotlib库绘制饼状图。

下面是一个示例代码：

import pandas as pd
import matplotlib.pyplot as plt

# 读取Excel文件中的第5张表
df = pd.read_excel('your_excel_file_name.xlsx', sheet_name=4)

# 获取第11列的所有不为空的字符串
col = 10
data = df.iloc[:, col].dropna().tolist()

# 统计元素数量
counts = {}
for d in data:
    if d in counts:
        counts[d] += 1
    else:
        counts[d] = 1

# 绘制饼状图
labels = counts.keys()
values = counts.values()
plt.figure(figsize=(6,6))
plt.pie(values, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart of Data')

# 显示图形
plt.show()

在上面的代码中，首先使用pandas库的read_excel()函数读取Excel文件的第5张表。然后使用iloc函数指定要读取的列号，通过dropna()函数获取该列中所有不为空的字符串并转换为列表。接着使用一个字典counts统计数组中各个元素的数量，最后使用plt.pie()函数绘制饼状图。

对代码中的"your_excel_file_name.xlsx"分别替换成实际的Excel文件名即可。同时还需要根据Excel文件实际情况来调整列号的值（从0开始计数）。

要实现这个功能，可以使用Python的pandas库来读取Excel中的数据，并使用字典统计数组中各个元素的数量，最后使用matplotlib库绘制饼状图，并在图中显示各类型的数量与占比。

下面是一个示例代码：

import pandas as pd
import matplotlib.pyplot as plt

# 读取Excel文件中的第5张表
df = pd.read_excel('your_excel_file_name.xlsx', sheet_name=4)

# 获取第11列的所有不为空的字符串
col = 10
data = df.iloc[:, col].dropna().tolist()

# 统计元素数量和占比
counts = {}
total = len(data)
for d in data:
    if d in counts:
        counts[d] += 1
    else:
        counts[d] = 1

types = []
nums = []
proportions = []
for k, v in counts.items():
    types.append(k)
    nums.append(v)
    proportions.append(f'{v/total:.2%}')

# 绘制饼状图
plt.figure(figsize=(6,6))
plt.pie(nums, labels=types, autopct='%1.1f%%')
plt.title('Pie Chart of Data')

# 在图中显示类型、数量、占比
plt.legend(labels=[f'{t}, 数量:{n}, 占比:{p}' for t, n, p in zip(types, nums, proportions)], loc="best")

# 显示图形
plt.show()

在上面的代码中，首先使用pandas库的read_excel()函数读取Excel文件的第5张表。然后使用iloc函数指定要读取的列号，通过dropna()函数获取该列中所有不为空的字符串并转换为列表。接着使用一个字典counts统计数组中各个元素的数量，然后遍历字典将数据分别添加到类型(types)、数量(nums)、占比(proportions)三个数组中。最后使用plt.pie()函数绘制饼状图，并使用legend()函数在图中显示各类型的数量与占比。

对代码中的"your_excel_file_name.xlsx"分别替换成实际的Excel文件名即可。同时还需要根据Excel文件实际情况来调整列号的值（从0开始计数）。在饼状图中显示的数据格式可以根据需要进行调整。

要实现这个功能，可以使用Python的pandas库来读取Excel中的数据，并使用字典统计数组中各个元素的数量，最后使用matplotlib库绘制饼状图，并在图中显示各类型的数量与占比。

下面是一个示例代码：

import pandas as pd
import matplotlib.pyplot as plt

# 读取Excel文件中的第5张表
df = pd.read_excel('your_excel_file_name.xlsx', sheet_name=4)

# 获取第11列的所有不为空的字符串
col = 10
data = df.iloc[:, col].dropna().tolist()

# 统计元素数量和占比
counts = {}
total = len(data)
for d in data:
    if d in counts:
        counts[d] += 1
    else:
        counts[d] =