用 Python 处理 Excel 文件 - 简书
下载简书移动应用
写了52992字，被293人关注，获得了241个喜欢
用 Python 处理 Excel 文件
0x00. 前言
最近工作中有个处理 Excle 数据的需求，正好拿 Python 来练练手。简单搜了下，发现一个好网站：(可能需要爬墙头，请自理~)，网站中介绍了几种开源的 Excel 处理框架，本文选择了排在第一位的。
python-excel.org
0x01. 使用
虽然是一个开源工具，它却拥有详细的，打不开也没关系，文章末尾会给出 PDF 格式下载链接。下面就来介绍该工具的基本使用。
Mac OS X 10.11.2
Python 2.7.11
如果你使用 Mac 或者 Linux 系统，那么安装将特别简单：
$ pip install openpyxl
有同学会问，如果没有 pip 或 windows 系统咋办啊？简单！可以从下载源码安装。下载并解压后，进入到解压目录，执行：
$ python setup.py install
安装完毕后就可以使用了，先简单介绍一下，该工具有几个主要的类：
Workbook: 代表一个 Excel 文件（工作簿）。
Worksheet: 代表 Excel 文件中的一个工作表。
Cell: 代表一个单元格。
好了，知道了这几个类的含义后，使用就比较简单了：
a) 创建 Excel
from openpyxl import Workbook
# 创建 Excel 对象
wb = Workbook()
# 保存成文件
wb.save('test.xlsx')
这样就创建了一个空的、名为test.xslx的工作簿。
b) 加载一个已存在的 Excel
from openpyxl import load_workbook
wb = load_workbook('test.xlsx')
这样就加载了一个名为test.xlsx的 Excel 文件。
c) 操作工作表
# 获取 Excel 打开后默认的工作表
default_ws = wb.active
# 创建一个新工作表
new_ws = wb.create_sheet(title='new ws')
# 修改工作表的名称
new_ws.title = 'modified ws'
# 迭代工作表中所有行
for row in new_ws.iter_rows():
d) 操作单元格
# 给 “F5” 单元格赋值
new_ws['F5'] = 'test'
new_ws['F5'].value = 'hello'
# 取出 “F5” 单元格的值
print(new_ws['F5'].value)
# 得到单元格对象
from openpyxl.cell import Cell
c = Cell(new_ws)
f5 = new_ws['F5']
以上就是对 Excel对象的基本操作了，但在使用中，我们总会有各种需求，比如：在一些行后添加数据，我们使用new_ws.iter_rows()返回的是一个 tuple 对象，这时，我们需要用list()函数先将其转化为 list 对象，添加数据后再写入文件：
from openpyxl.cell import Cell
for row in new_ws.iter_rows():
data = list(row)
c = Cell(new_ws)
c.value = 'hello'
data.append(c)
other_ws.append(data)
0x02. 小结
openpyxl 的相当强大，还支持操作 Excel 中的图表等高级功能。由于工作中没有用到，就没有去研究，感兴趣的同学可以去看看。
最后分享一点使用 Python 开源工具的小技巧：
由于 Python 中动态语言，有时候很难判断一个方法返回的数据类型，我们可以经常使用type()方法将返回值的类型打印出来，方法我们对返回值的使用和处理。
0x03. 附：
openpyxl 参考文档：
懂得选择，学会放弃；耐得住寂寞，经得起诱惑~
打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮
被以下专题收入，发现更多相似内容：
如果你是程序员，或者有一颗喜欢写程序的心，喜欢分享技术干货、项目经验、程序员日常囧事等等，欢迎投稿《程序员》专题。
投稿须知：
...
· 125021人关注
Pythoner的集中营, 收集关于Python的各种知识教程.
推荐文章和系列阅读:
1. Python 零基础入门资料...
· 7586人关注
后端集中营
· 5人关注
懂得选择，学会放弃；耐得住寂寞，经得起诱惑~
选择支付方式：python如何统计列表的长度有一组数据存放在a.txt,按行存储：1 2 3 4 5 6 4 5 6 72 3 2 3 4 5 7现在要统计出每行的长度（就是有几个数字）,并将长度大于5的记录下行号和长度,存放到b.txt1 63 7
以下代码测试通过：#!/usr/bin/env&python#&-*-&coding:&utf-8&-*-inFile,&outFile&=&r'a.txt',&r'b.txt'with&open(inFile,&'r')&as&f1:&&&&with&open(outFile,&'w')&as&f2:&&&&&&&&for&n,&line&in&enumerate(f1):&&&&&&&&&&&&size&=&len(line[:-1].split('&'))&&&&&&&&&&&&if&size&&&5:&&&&&&&&&&&&&&&&f2.write(&%s&%s\n&&%&(str(n+1),&str(size)))&如果是在Windows上跑,就去掉第一行.
为您推荐：
其他类似问题
扫描下载二维码caffe源码学习（3）
利用faster-rcnn检测图片，先把结果保存成txt，就像下面这样
利用下面这段代码就可以做到，把这段代码保存成XX.py，再运行。代码里需要改的地方都注释了，不知道怎么上传源码的，将就着用
#!/usr/bin/env python
# -*- coding: UTF-8 -*-
# --------------------------------------------------------
# Faster R-CNN
# Copyright (c) 2015 Microsoft
# Licensed under The MIT License [see LICENSE for details]
# Written by Ross Girshick
# --------------------------------------------------------
Demo script showing detections in sample images.
See README.md for installation instructions before running.
import _init_paths
from fast_rcnn.config import cfg
from fast_rcnn.test import im_detect
from fast_rcnn.nms_wrapper import nms
from utils.timer import Timer
import matplotlib.pyplot as plt
import numpy as np
import scipy.io as sio
import caffe, os, sys, cv2
import argparse
CLASSES = ('__background__',
'aeroplane', 'bicycle', 'bird', 'boat',
'bottle', 'bus', 'car', 'cat', 'chair',
'cow', 'diningtable', 'dog', 'horse',
'motorbike', 'person', 'pottedplant',
'sheep', 'sofa', 'train', 'tvmonitor')
#改成你的类别
NETS = {'vgg16': ('VGG16',
'VGG16_faster_rcnn_final.caffemodel'),
'zf': ('ZF',
'ZF_faster_rcnn_final.caffemodel')}
def vis_detections(image_name, class_name, dets, thresh=0.5):
&&&Draw detected bounding boxes.&&&
inds = np.where(dets[:, -1] &= thresh)[0]
if len(inds) == 0:
for i in inds:
bbox = dets[i, :4]
score = dets[i, -1]
if(class_name == '__background__'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
#最终的txt保存在这个路径下，下面的都改
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'aeroplane'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'bicycle'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
#双人自行车
fw.close()
elif(class_name == 'bird'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'boat'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'bottle'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'bus'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'car'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'cat'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'chair'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'cow'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'diningtable'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'dog'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
#非洲猎犬，土狼狗，普猎犬，红腹锦鸡森林狼
fw.close()
elif(class_name == 'horse'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'motorbike'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'person'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'pottedplant'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'sheep'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'sofa'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
elif(class_name == 'train'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+'n;+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
#子弹头列车
fw.close()
elif(class_name == 'tvmonitor'):
fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
fw.write(str(image_name)+' '+class_name+' '+str(int(bbox[0]))+' '+str(int(bbox[1]))+' '+str(int(bbox[2]))+' '+str(int(bbox[3]))+'\n')
fw.close()
def demo(net, image_name):
&&&Detect object classes in an image using pre-computed object proposals.&&&
# Load the demo image
#im_file = os.path.join(cfg.DATA_DIR, 'demo', image_name)
im_file = os.path.join('/','media','zc','A','Imagenet2012','img_train','n;,image_name)
#改成你图片的位置
im = cv2.imread(im_file)
# Detect all object classes and regress object bounds
timer = Timer()
timer.tic()
scores, boxes = im_detect(net, im)
timer.toc()
print ('Detection took {:.3f}s for '
'{:d} object proposals').format(timer.total_time, boxes.shape[0])
# Visualize detections for each class
CONF_THRESH = 0.8
NMS_THRESH = 0.3
#fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
#fw.write(str(image_name)+'\t')
#fw.close()
for cls_ind, cls in enumerate(CLASSES[1:]):
cls_ind += 1 # because we skipped background
cls_boxes = boxes[:, 4*cls_ind:4*(cls_ind + 1)]
cls_scores = scores[:, cls_ind]
dets = np.hstack((cls_boxes,
cls_scores[:, np.newaxis])).astype(np.float32)
keep = nms(dets, NMS_THRESH)
dets = dets[keep, :]
vis_detections(image_name, cls, dets, thresh=CONF_THRESH)
#fw = open('/media/zc/A/Imagenet2012/img_train/n/result.txt','a')
#fw.write('\n')
#fw.close()
def parse_args():
&&&Parse input arguments.&&&
parser = argparse.ArgumentParser(description='Faster R-CNN demo')
parser.add_argument('--gpu', dest='gpu_id', help='GPU device id to use [0]',
default=0, type=int)
parser.add_argument('--cpu', dest='cpu_mode',
help='Use CPU mode (overrides --gpu)',
action='store_true')
parser.add_argument('--net', dest='demo_net', help='Network to use [vgg16]',
choices=NETS.keys(), default='vgg16')
args = parser.parse_args()
return args
if __name__ == '__main__':
cfg.TEST.HAS_RPN = True
# Use RPN for proposals
args = parse_args()
prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0],
'faster_rcnn_alt_opt', 'faster_rcnn_test.pt')
caffemodel = os.path.join(cfg.DATA_DIR, 'faster_rcnn_models',
NETS[args.demo_net][1])
if not os.path.isfile(caffemodel):
raise IOError(('{:s} not found.\nDid you run ./data/script/'
'fetch_faster_rcnn_models.sh?').format(caffemodel))
if args.cpu_mode:
caffe.set_mode_cpu()
caffe.set_mode_gpu()
caffe.set_device(args.gpu_id)
cfg.GPU_ID = args.gpu_id
net = caffe.Net(prototxt, caffemodel, caffe.TEST)
print '\n\nLoaded network {:s}'.format(caffemodel)
# Warmup on a dummy image
im = 128 * np.ones((300, 500, 3), dtype=np.uint8)
for i in xrange(2):
_, _= im_detect(net, im)
#im_names = ['000456.jpg', '000542.jpg', '001150.jpg',
'001763.jpg', '004545.jpg']
fr = open('/media/zc/A/Imagenet2012/img_train/n/temp.txt','r')
#这个txt里面保存的是图片的名字，一行一个
for im_name in fr:
im_name = im_name.strip('\n')
print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
print 'Demo for data/demo/{}'.format(im_name)
demo(net, im_name)
plt.show()
再用一个matlab代码，就可以把txt转化成xml,感谢小咸鱼的分享，如果你的图片是jpg，只要修改四个变量就能用，十分方便，如果是JPEG,下面还要修改两个地方，我注释了
%该代码可以做voc2007数据集中的xml文件，
%txt文件每行格式为：000002.jpg dog 44 28 132 121
%即每行由图片名、目标类型、包围框坐标组成，空格隔开
%如果一张图片有多个目标，则格式如下：（比如两个目标）
%000002.jpg dog 44 28 132 121
%000002.jpg car 50 27 140 110
%包围框坐标为左上角和右下角
%作者：小咸鱼_
%CSDN:http://blog.csdn.net/sinat_
%注意修改下面四个变量
imgpath='img\';%图像存放文件夹
txtpath='img\output.txt';%txt文件
xmlpath_new='Annotations/';%修改后的xml保存文件夹
foldername='VOC2007';%xml的folder字段名
fidin=fopen(txtpath,'r');
lastname='begin';
while ~feof(fidin)
tline=fgetl(fidin);
str = regexp(tline, ' ','split');
filepath=[imgpath,str{1}];
img=imread(filepath);
[h,w,d]=size(img);
imshow(img);
rectangle('Position',[str2double(str{3}),str2double(str{4}),str2double(str{5})-str2double(str{3}),str2double(str{6})-str2double(str{4})],'LineWidth',4,'EdgeColor','r');
pause(0.1);
if strcmp(str{1},lastname)%如果文件名相等，只需增加object
object_node=Createnode.createElement('object');
Root.appendChild(object_node);
node=Createnode.createElement('name');
node.appendChild(Createnode.createTextNode(sprintf('%s',str{2})));
object_node.appendChild(node);
node=Createnode.createElement('pose');
node.appendChild(Createnode.createTextNode(sprintf('%s','Unspecified')));
object_node.appendChild(node);
node=Createnode.createElement('truncated');
node.appendChild(Createnode.createTextNode(sprintf('%s','0')));
object_node.appendChild(node);
node=Createnode.createElement('difficult');
node.appendChild(Createnode.createTextNode(sprintf('%s','0')));
object_node.appendChild(node);
bndbox_node=Createnode.createElement('bndbox');
object_node.appendChild(bndbox_node);
node=Createnode.createElement('xmin');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{3}))));
bndbox_node.appendChild(node);
node=Createnode.createElement('ymin');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{4}))));
bndbox_node.appendChild(node);
node=Createnode.createElement('xmax');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{5}))));
bndbox_node.appendChild(node);
node=Createnode.createElement('ymax');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{6}))));
bndbox_node.appendChild(node);
else %如果文件名不等，则需要新建xml
copyfile(filepath, 'JPEGImages');
%先保存上一次的xml
if exist('Createnode','var')
tempname=strrep(tempname,'.jpg','.xml');
%你的图片是JPEG,这里就要把jpg改成JPEG
xmlwrite(tempname,Createnode);
Createnode=com.mathworks.xml.XMLUtils.createDocument('annotation');
Root=Createnode.getDocumentE%根节点
node=Createnode.createElement('folder');
node.appendChild(Createnode.createTextNode(sprintf('%s',foldername)));
Root.appendChild(node);
node=Createnode.createElement('filename');
node.appendChild(Createnode.createTextNode(sprintf('%s',str{1})));
Root.appendChild(node);
source_node=Createnode.createElement('source');
Root.appendChild(source_node);
node=Createnode.createElement('database');
node.appendChild(Createnode.createTextNode(sprintf('My Database')));
source_node.appendChild(node);
node=Createnode.createElement('annotation');
node.appendChild(Createnode.createTextNode(sprintf('VOC2007')));
source_node.appendChild(node);
node=Createnode.createElement('image');
node.appendChild(Createnode.createTextNode(sprintf('flickr')));
source_node.appendChild(node);
node=Createnode.createElement('flickrid');
node.appendChild(Createnode.createTextNode(sprintf('NULL')));
source_node.appendChild(node);
owner_node=Createnode.createElement('owner');
Root.appendChild(owner_node);
node=Createnode.createElement('flickrid');
node.appendChild(Createnode.createTextNode(sprintf('NULL')));
owner_node.appendChild(node);
node=Createnode.createElement('name');
node.appendChild(Createnode.createTextNode(sprintf('xiaoxianyu')));
owner_node.appendChild(node);
size_node=Createnode.createElement('size');
Root.appendChild(size_node);
node=Createnode.createElement('width');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(w))));
size_node.appendChild(node);
node=Createnode.createElement('height');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(h))));
size_node.appendChild(node);
node=Createnode.createElement('depth');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(d))));
size_node.appendChild(node);
node=Createnode.createElement('segmented');
node.appendChild(Createnode.createTextNode(sprintf('%s','0')));
Root.appendChild(node);
object_node=Createnode.createElement('object');
Root.appendChild(object_node);
node=Createnode.createElement('name');
node.appendChild(Createnode.createTextNode(sprintf('%s',str{2})));
object_node.appendChild(node);
node=Createnode.createElement('pose');
node.appendChild(Createnode.createTextNode(sprintf('%s','Unspecified')));
object_node.appendChild(node);
node=Createnode.createElement('truncated');
node.appendChild(Createnode.createTextNode(sprintf('%s','0')));
object_node.appendChild(node);
node=Createnode.createElement('difficult');
node.appendChild(Createnode.createTextNode(sprintf('%s','0')));
object_node.appendChild(node);
bndbox_node=Createnode.createElement('bndbox');
object_node.appendChild(bndbox_node);
node=Createnode.createElement('xmin');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{3}))));
bndbox_node.appendChild(node);
node=Createnode.createElement('ymin');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{4}))));
bndbox_node.appendChild(node);
node=Createnode.createElement('xmax');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{5}))));
bndbox_node.appendChild(node);
node=Createnode.createElement('ymax');
node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{6}))));
bndbox_node.appendChild(node);
lastname=str{1};
%处理最后一行
if feof(fidin)
tempname=strrep(tempname,'.jpg','.xml');
%你的图片是JPEG,这里就要把jpg改成JPEG
xmlwrite(tempname,Createnode);
fclose(fidin);
file=dir(pwd);
for i=1:length(file)
if length(file(i).name)&=4 && strcmp(file(i).name(end-3:end),'.xml')
fold=fopen(file(i).name,'r');
fnew=fopen([xmlpath_new file(i).name],'w');
while ~feof(fold)
tline=fgetl(fold);
if line==1
expression = '
replace=char(9);
newStr=regexprep(tline,expression,replace);
fprintf(fnew,'%s\n',newStr);
fprintf('已处理%s\n',file(i).name);
fclose(fold);
fclose(fnew);
delete(file(i).name);
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：4348次
排名：千里之外
原创：23篇
转载：51篇
(15)(14)(45)(1)(1)