使用Python对包含1960年至2020年间的数据（具体包括日期和日气温，）的Excel表格进行操作，日期的格式为年-月-日，首先选取每年7月1日到7月15日的气温数据，将每年同一日期数据进行从小到大排列，将第95％位数作为这一日期的阈值，输出日期与阈值为EXCEL表格

要完成这个任务，你需要使用Python的pandas库来处理Excel数据，matplotlib或seaborn库用于可视化，以及openpyxl或xlrd库读取Excel文件。这里是一个简单的步骤指南：

1. 首先，安装必要的库，如果你还没安装，可以用以下命令：

   !pip install pandas matplotlib openpyxl

2. 导入所需的库：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from openpyxl import load_workbook

3. 使用`load_workbook`加载Excel文件：

# 假设你的文件名为'data.xlsx'
wb = load_workbook('data.xlsx')
sheet_name = wb.active.name  # 获取活动的工作表名称

4. 读取数据并创建DataFrame：

df = pd.read_excel(wb, sheet_name)

5. 确保日期列是datetime类型，如果不是，用`pd.to_datetime`转换：

if 'Date' in df.columns and not df['Date'].dtype == 'datetime64[ns]':
    df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')

6. 提取每年7月1日至7月15日的数据：

df_july = df[(df['Date'].dt.month == 7) & (df['Date'].dt.day >= 1) & (df['Date'].dt.day <= 15)]

7. 对每天的数据按升序排序并获取第95百分位数：

daily_temps = df_july.groupby(df_july['Date']).transform('mean')  # 计算每天平均温度
thresholds = daily_temps.quantile(0.95)  # 第95百分位数

8. 将结果保存回一个新的Excel文件：

new_df = pd.DataFrame({'Date': df_july['Date'], 'Threshold': thresholds})
new_df.to_excel('output.xlsx', index=False)  # 保存到新的Excel文件

9. 可选地，你可以画出每个月的日均气温和阈值图，以检查是否有异常值：

plt.figure(figsize=(12, 6))
plt.plot(new_df['Date'], new_df['Threshold'])
plt.scatter(new_df['Date'], daily_temps, c='r')  # 温度点
plt.title("Monthly Average Temperature and 95th Percentile Threshold")
plt.xlabel('Date')
plt.ylabel('Temperature')
plt.show()