根据现有表格对数据拆分，拆成多个表格 2、数据拆分以后存储到自己的电脑（也可以几个同学协助进行通信，存储到其他人的电脑） 3、数据每100行拆成一个表 4、编写Python处理程序。

针对现有的表格数据进行拆分，可以使用pandas库，因为它提供了非常便捷的数据处理功能。以下是使用Python实现数据拆分和存储的一个基本步骤：

1. **导入必要的库**:
首先，确保已经安装了pandas和相关的excel读写库，如`openpyxl`或`xlrd`，如果没有安装，可以使用`pip install pandas openpyxl`来安装。

2. **读取原始数据**:
使用`pd.read_excel()`函数从电脑上加载Excel文件到一个DataFrame对象中。例如：

   import pandas as pd
   data = pd.read_excel('source_data.xlsx')

3. **数据拆分**:
使用`pandas.DataFrame.iterrows()`方法，每100行创建一个新的DataFrame。可以这样做：

   chunks = []
   for i in range(0, len(data), 100):  # 分块大小为100行
       chunk = data.iloc[i:i+100]  # 取数据的子集
       chunks.append(chunk)

4. **存储数据**:
对于多个人协作的情况，可以选择将每个拆分后的chunk存储到各自电脑上的文件夹里。每个chunk可以作为单独的Excel文件，比如使用`to_excel()`方法：

   from os import path
   for idx, chunk in enumerate(chunks):
       filename = f'data_split_{idx}.xlsx'
       file_path = path.join('每个人的电脑路径', filename)  # 用实际路径替换
       chunk.to_excel(file_path, index=False)

5. **通信协作**:
如果需要分享数据，可以通过网络共享文件，或者通过电子邮件、云存储服务（如Google Drive、OneDrive等）发送链接给同学们。

6. **编写处理程序**:
编写一个Python脚本，将上述步骤封装起来，提供命令行参数以便于执行和配置。例如，可以使用argparse模块解析命令行参数，指定源文件、目标文件夹和拆分大小。

import argparse
import pandas as pd

def main():
    parser = argparse.ArgumentParser(description='Data Splitter')
    parser.add_argument('input_file', type=str, help='Path to the input Excel file')
    parser.add_argument('output_folder', type=str, help='Path to the output folder')
    args = parser.parse_args()

    data = pd.read_excel(args.input_file)
    ...

if __name__ == "__main__":
    main()

运行这个脚本时提供参数即可：

python script.py source_data.xlsx /path/to/output/folder