python对excel进行列数据处理，100行为一组，求出该组数据中的极差拟合

这里提供一种基于pandas和numpy的方法来实现该功能：

1. 首先安装必要的库：

!pip install pandas numpy

2. 导入库并读取Excel数据：

import pandas as pd
import numpy as np

# 读取Excel数据
df = pd.read_excel('data.xlsx')

3. 对数据进行分组处理：

# 将数据按照100行一组进行分组
groups = [df.iloc[i:i+100,:] for i in range(0, len(df), 100)]

4. 对每组数据计算极差：

# 定义计算极差的函数
def calc_range(data):
    return np.max(data) - np.min(data)

# 对每组数据计算极差
ranges = [calc_range(group['value']) for group in groups]

5. 对极差数据进行拟合：

# 定义拟合函数
def fit_func(x, a, b):
    return a * np.exp(-b * x)

# 初始化拟合参数
p0 = [1, 0.01]

# 对极差数据进行拟合
from scipy.optimize import curve_fit
xdata = np.arange(len(ranges))
popt, pcov = curve_fit(fit_func, xdata, ranges, p0=p0)

6. 绘制拟合结果：

import matplotlib.pyplot as plt

# 绘制原始数据和拟合结果
plt.plot(xdata, ranges, 'b-', label='data')
plt.plot(xdata, fit_func(xdata, *popt), 'r-', label='fit: a=%5.3f, b=%5.3f' % tuple(popt))
plt.legend()
plt.show()

完整代码如下：

import pandas as pd
import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

# 读取Excel数据
df = pd.read_excel('data.xlsx')

# 将数据按照100行一组进行分组
groups = [df.iloc[i:i+100,:] for i in range(0, len(df), 100)]

# 定义计算极差的函数
def calc_range(data):
    return np.max(data) - np.min(data)

# 对每组数据计算极差
ranges = [calc_range(group['value']) for group in groups]

# 定义拟合函数
def fit_func(x, a, b):
    return a * np.exp(-b * x)

# 初始化拟合参数
p0 = [1, 0.01]

# 对极差数据进行拟合
xdata = np.arange(len(ranges))
popt, pcov = curve_fit(fit_func, xdata, ranges, p0=p0)

# 绘制原始数据和拟合结果
plt.plot(xdata, ranges, 'b-', label='data')
plt.plot(xdata, fit_func(xdata, *popt), 'r-', label='fit: a=%5.3f, b=%5.3f' % tuple(popt))
plt.legend()
plt.show()