机器学习2——python读写excel表格

昨天看的书,太困了,没写


继续kNN算法,numpy函数库的几个方法

1. random.rand(4,3)随机生成一个4*3的矩阵

2. mat(random.rand(4,3))生成的是一个矩阵

3. a=mat(random.rand(4,3)), a.I 为矩阵A的逆矩阵

4. 直接生成一个矩阵 A = matrix([   [1,2,3],[4,3,5],[5,7,3]   ])

5.python读文件操作 fr = open() line = fr.readlines()

6.line.strip()去掉头部尾部的'\t' '\n' '\r' ' ' lstrip  和  rstrip分别是前头和后头

7.line.spliit 

#这是一个读写文件的算法,正好手里有个问卷调查的数据,因为是网络问卷,数据比较杂乱无章,想到是否可以用python提取有用数据放到excel表格里

</pre><pre name="code" class="python"><span style="font-family: 'Courier New'; background-color: rgb(255, 255, 255);">zeros是numpy的函数,创建一个矩阵 </span>
# -*- coding: utf-8 -*-
import xlrd
import xlwt

def read_write():
    data = xlrd.open_workbook('data.xls')
    table = data.sheets()[0]
    nrows = table.nrows
    ncols = table.ncols
    charm = [['help' for col in range(ncols-12)] for row in range(nrows)]
    lineList = []
    for i in range(nrows):
        lineList = table.row_values(i)
        charm[i] = lineList[13:48]
    workbook = xlwt.Workbook()
    s2 = workbook.add_sheet('s1')
    i = j = 0
    print '-------  nice---  reading is OK  --  '
    for row in charm:
        j=0
        for col in row:
            if j == 3:
                if col == 1.0:
                    col = u'男'
                else:
                    col = u'女'
            s2.write(i,j, col)
            j += 1
        i += 1
    workbook.save('ff23.xls')
read_write()









### 回答1: 在 Python 中,读取文件通常使用内置的 `open()` 函数来打开一个文件对象。这个函数需要两个参数:文件名和打开模式(例如只读模式 "r" 或写入模式 "w" 等)。例如: ```python with open("filename.txt", "r") as file: data = file.read() ``` 上面的代码将打开名为 "filename.txt" 的文件,并将其内容读取到变量 `data` 中。 如果你需要逐行读取文件内容,可以使用 `readline()` 方法: ```python with open("filename.txt", "r") as file: line = file.readline() while line: print(line) line = file.readline() ``` 这个代码片段将逐行读取文件,并将每一行打印出来,直到文件的末尾。 当你完成文件的读取之后,一定要记得关闭文件对象,以释放资源。在 Python 中,可以使用 `close()` 方法实现: ```python file.close() ``` 当然,使用 `with` 语句也可以自动关闭文件对象: ```python with open("filename.txt", "r") as file: # do something with file # file object is automatically closed here ``` ### 回答2: 在Python中,我们可以使用各种方法来读取文件以进行机器学习任务。下面是一些常用的方法: 1. 使用内置的open函数来打开文件。通过指定文件路径和打开模式(例如'r'表示只读模式),我们可以打开文件并返回一个文件对象。然后,我们可以使用文件对象的read方法来读取整个文件内容,或者使用readline方法来逐行读取文件内容。 2. 可以使用pandas库来读取常见的数据文件格式,如CSV、Excel等。Pandas提供了read_csv和read_excel等函数,可以直接将数据文件读取为DataFrame对象,方便进行数据预处理和特征工程。 3. 对于大型文件,我们可以使用逐块(chunk)读取的方式,以避免一次性加载整个文件内容到内存中。通过指定块的大小,我们可以使用pandas的read_csv函数的chunksize参数来逐块读取数据。 4. 对于图像文件,我们可以使用PIL(Python Imaging Library)库或者OpenCV库来读取图像文件。这些库提供了各种函数,使我们可以读取和处理图像文件中的像素数据。 5. 如果文件存储为文本格式,可以使用各种文本处理库(如nltk、re等)来读取和处理文本内容。这些库提供了各种函数,如正则表达式匹配、文本分词、文本清洗等,有助于将文本文件转换为可用于机器学习的数据形式。 总之,读取文件是机器学习任务的必要步骤之一。在Python中,我们可以使用内置的open函数、pandas库、图像处理库以及文本处理库来读取不同类型的文件,并将其转换为可用于机器学习任务的数据形式。 ### 回答3: 在Python中,使用机器学习读取文件通常需要使用以下几个步骤: 1. 导入所需的机器学习库和文件处理库。常用的机器学习库有scikit-learn,TensorFlow等,文件处理库有pandas等。 2. 使用文件处理库打开要读取的文件。可以使用pandas库的read_csv函数来读取csv格式的文件,或者使用open函数来读取其他格式的文件。 3. 对于结构化数据文件(如CSV文件),可以使用pandas库将文件中的数据读取到一个DataFrame对象中。DataFrame是pandas库中的一种数据结构,类似于一个二维表格。可以使用read_csv函数来读取文件,并设置相关参数,例如文件路径、分隔符等。 4. 对于非结构化数据文件(如文本文件),可以使用open函数读取文件,然后根据需求进一步处理文本数据。 5. 处理读取到的数据,根据需求进行预处理、特征提取等操作。可以使用机器学习库提供的函数或方法来处理数据。例如,可以使用pandas库的dropna函数来处理缺失值;可以使用scikit-learn库的fit_transform函数来进行特征提取。 6. 将处理后的数据用于机器学习算法的训练或预测。可以根据具体的机器学习任务选择相应的算法,并使用该算法提供的相应方法进行训练或预测。 总结:机器学习可以通过文件处理库(如pandas)和机器学习库(如scikit-learn)读取文件。对于结构化数据文件,可以使用函数如read_csv来读取文件并将数据存储到DataFrame中;对于非结构化数据文件,可以使用open函数读取文件,然后根据需求进行进一步的处理。读取文件后,可以使用机器学习库提供的函数或方法对数据进行预处理、特征提取等操作,再用于机器学习算法的训练或预测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值