有一个Excel表，每一列代表每一周的供货量，每一行代表每一家公司的供货量，0代表没有供货。所以出现0代表供货发生间隔，每一行连续有不为0的值说明这几周的供货连续。现在为了研究供货的稳定性，引入时间间隔概念，即计算供货间隔次数、平均间隔周数和平均连续周数。需要Python代码。

以下是一个用Python计算供货间隔次数、平均间隔周数和平均连续周数的示例代码：

import pandas as pd

# 读取Excel表格数据
data = pd.read_excel("supply_data.xlsx", header=None)

# 计算供货间隔次数
def calculate_interval_count(row):
    intervals = 0
    for i in range(len(row)-1):
        if row[i] != 0 and row[i+1] == 0:
            intervals += 1
    return intervals

# 计算平均间隔周数
def calculate_avg_interval(row):
    intervals = []
    interval_sum = 0
    for i in range(len(row)-1):
        if row[i] != 0 and row[i+1] == 0:
            intervals.append(interval_sum + 1)
            interval_sum = 0
        elif row[i] != 0 and row[i+1] != 0:
            interval_sum += 1
    if len(intervals) > 0:
        return sum(intervals) / len(intervals)
    else:
        return 0

# 计算平均连续周数
def calculate_avg_continuous(row):
    continuous = []
    continuous_sum = 0
    for i in range(len(row)):
        if row[i] != 0:
            continuous_sum += 1
        else:
            if continuous_sum > 0:
                continuous.append(continuous_sum)
                continuous_sum = 0
    if len(continuous) > 0:
        return sum(continuous) / len(continuous)
    else:
        return 0

# 计算每一行的供货间隔次数、平均间隔周数和平均连续周数
interval_counts = data.apply(calculate_interval_count, axis=1)
avg_intervals = data.apply(calculate_avg_interval, axis=1)
avg_continuous = data.apply(calculate_avg_continuous, axis=1)

# 将结果添加到原始数据表格中
data['Interval Counts'] = interval_counts
data['Average Intervals'] = avg_intervals
data['Average Continuous'] = avg_continuous

# 将结果保存为新的Excel表格
data.to_excel("supply_analysis.xlsx", index=False)

请确保将Excel文件命名为"supply_data.xlsx"，并且与代码文件在同一目录下。代码将计算每一行的供货间隔次数、平均间隔周数和平均连续周数，并将结果保存为新的Excel表格"supply_analysis.xlsx"。你可以根据需要调整代码，以适应不同的数据结构和需求。