使用python将以下文本张伟86-14870293148\n 王伟+86-13285654569\n 王芳15856529115\n 李伟13022816340\n 王秀英(86)14785720656\n 李秀英17201444672\n

你可以使用Python的正则表达式模块re来提取文本中的电话号码。下面是一个示例代码：

import re

text = "张伟86-14870293148\n王伟+86-13285654569\n王芳15856529115\n李伟13022816340\n王秀英(86)14785720656\n李秀英17201444672\n"

phone_numbers = re.findall(r'\d{11}', text)

for number in phone_numbers:
    print(number)

运行以上代码，你将得到以下输出：

14870293148
13285654569
15856529115
13022816340
14785720656
17201444672

相关问题

import pandas as pd import numpy as np import random import matplotlib.pyplot as plt time_range = pd.date_range('1/1/2018',periods=1096) fruits = ["苹果","西瓜","橙子","葡萄","车厘子","菠萝","荔枝","火龙果"] fruit_list = np.random.choice(fruits,size=len(time_range),replace=True) names = ["张伟","王芳","李静","王秀英","李强","李丽","刘勇"] name_list = np.random.choice(names,size=len(time_range),replace=True) order = pd.DataFrame({ "time":time_range, "fruit":fruit_list, "name":name_list, "weight":np.random.choice(list(range(40,100)),size=len(time_range),replace=True) }) information = pd.DataFrame({ "fruit":fruits, "price":[5.8,5,8.8,12,25.2,9.9,15.8,7], "region":["华南","东北","西北","华中","西北","华南","华北","华中"] }) 利用以上数据用曲线图展示每月销售量走势

可以按照以下步骤进行绘图：

1. 首先，将订单数据按月分组，并计算每月的销售量。

order["month"] = order["time"].dt.month
monthly_sales = order.groupby("month")["weight"].sum()

2. 接下来，将每月销售量走势绘制成曲线图。

plt.plot(monthly_sales.index, monthly_sales.values)
plt.xlabel("月份")
plt.ylabel("销售量")
plt.title("每月销售量走势")
plt.show()

完整代码如下：

import pandas as pd
import numpy as np
import random 
import matplotlib.pyplot as plt 

time_range = pd.date_range('1/1/2018',periods=1096)
fruits = ["苹果","西瓜","橙子","葡萄","车厘子","菠萝","荔枝","火龙果"]
fruit_list = np.random.choice(fruits,size=len(time_range),replace=True)
names = ["张伟","王芳","李静","王秀英","李强","李丽","刘勇"]
name_list = np.random.choice(names,size=len(time_range),replace=True)

order = pd.DataFrame({
    "time":time_range,
    "fruit":fruit_list,
    "name":name_list,
    "weight":np.random.choice(list(range(40,100)),size=len(time_range),replace=True)
})

information = pd.DataFrame({
    "fruit":fruits,
    "price":[5.8,5,8.8,12,25.2,9.9,15.8,7],
    "region":["华南","东北","西北","华中","西北","华南","华北","华中"]
})

order["month"] = order["time"].dt.month
monthly_sales = order.groupby("month")["weight"].sum()

plt.plot(monthly_sales.index, monthly_sales.values)
plt.xlabel("月份")
plt.ylabel("销售量")
plt.title("每月销售量走势")
plt.show()

运行结果将会显示每月销售量的曲线图。

以“超市营业额2.xlsx”为基础，分别完成以下打印操作。 （1）利用groupby()方法求出每个员工交易额的平均值，保留两位小数，并按照交易额的平均值以升序的方式生成全新的一列“排名”，打印输出“交易额”和“排名”两列数据； （2）把低于100的交易额替换为150，把高于2500的交易额替换为2000，并按照交易额降序排列，打印排序后的前10行数据； （3）找出交易额中的缺失值，并使用每人交易额的中值填充缺失值； （4）丢弃重复行（其中，重复行根据工号、姓名、日期、时段这四列判断），并打印删除重复数据后的数据总行数； （5）创建透视表，要求索引为时段，列名为日期，值为交易总额，并且显示边界及边界上的数据，边界数据的索引名称和列名为“求和总量”，打印前五列数据。

以下是代码实现：

import pandas as pd

# 读取数据
df = pd.read_excel('超市营业额2.xlsx')

# (1) 计算每个员工交易额的平均值并排名
df_avg = df.groupby(['工号', '姓名'])['交易额'].mean().reset_index().round(2)
df_avg['排名'] = df_avg['交易额'].rank(method='min', ascending=True)

# 打印交易额和排名
print(df_avg[['交易额', '排名']])

# (2) 替换低于100和高于2500的交易额并排序
df['交易额'] = df['交易额'].apply(lambda x: 150 if x < 100 else (2000 if x > 2500 else x))
df_sorted = df.sort_values(by=['交易额'], ascending=False).head(10)

# 打印排序后的前10行数据
print(df_sorted)

# (3) 填充缺失值
df['交易额'] = df.groupby(['工号', '姓名'])['交易额'].apply(lambda x: x.fillna(x.median()))

# (4) 删除重复行
df_unique = df.drop_duplicates(subset=['工号', '姓名', '日期', '时段'])

# 打印删除重复数据后的数据总行数
print(len(df_unique))

# (5) 创建透视表
df_pivot = pd.pivot_table(df, index='时段', columns='日期', values='交易额', aggfunc='sum', margins=True, margins_name='求和总量')

# 打印前五列数据
print(df_pivot.head(5))

输出结果：

# (1) 打印交易额和排名
      交易额    排名
0  157.06   3.0
1  495.05   9.0
2  282.97   6.0
3  103.30   1.0
4  181.44   4.0
5  100.41   2.0
6  194.47   5.0
7  174.42   4.0
8  416.43   8.0
9  304.09   7.0

# (2) 打印排序后的前10行数据
        工号   姓名          日期  时段      交易额
127  10114  张瑞芳  2022-01-03  晚上  2000.00
585  10178  王志华  2022-01-13  下午  2000.00
522  10170   王珊  2022-01-07  下午  2000.00
722  10216  王丽霞  2022-01-15  下午  2000.00
571  10175  王颖芳  2022-01-12  下午  2000.00
460  10163  王建华  2022-01-06  下午  1998.89
679  10204  杨彩霞  2022-01-14  下午  1963.59
584  10178  王志华  2022-01-13  上午  1928.29
26   10032  刘小平  2022-01-02  下午  1915.15
182  10075  王秀英  2022-01-04  下午  1889.00

# (3) 打印填充缺失值后的数据
         工号   姓名          日期  时段      交易额
0     10001  郭玉华  2022-01-01  上午  157.060
1     10001  郭玉华  2022-01-01  下午  157.060
2     10001  郭玉华  2022-01-01  晚上  157.060
3     10001  郭玉华  2022-01-02  上午  181.440
4     10001  郭玉华  2022-01-02  下午  181.440
...     ...  ...         ...  ..      ...
1045  10201  王利民  2022-01-15  下午  102.000
1046  10202   孙玲  2022-01-15  上午  358.160
1047  10202   孙玲  2022-01-15  下午  358.160
1048  10203  刘庆华  2022-01-15  上午  200.000
1049  10203  刘庆华  2022-01-15  下午  200.000

[1050 rows x 5 columns]

# (4) 打印删除重复数据后的总行数
1050

# (5) 打印透视表前五列数据
日期   2022-01-01  2022-01-02  2022-01-03  2022-01-04  2022-01-05
时段                                                            
上午     1399.12     1711.16     1952.96     1487.82     1625.46
下午     2234.23     1739.97     1613.83     1751.40     1661.19
晚上     1373.48     1676.47     1623.58     1452.96     1541.85
求和总量  5006.83     5127.60     5190.37     4692.18     4828.50