Python读取Excel内容生成标准格式Excel

学习python过程中的一些小练习,记录到这个地方;

这是源格式:

这是目标格式:

代码:

import xlrd
import xlwt
#读取元数据excel
data_file_name = 'D:\\3-杂\\0-项目\\读取excel\\02\\数据.xls'
data_file = xlrd.open_workbook(data_file_name)
#根据名称读取sheet
data_table = data_file.sheet_by_name('数据')
#获取表格行数
data_rows = data_table.nrows
#生成目标excel
goal = xlwt.Workbook()
#设置读取的列
l1 = 1
l2 = 2
#设置写入的位置
gh1 = 2
gh2 = 2
gl1 = 1
gl2 = 3
for i in range(0,data_rows):
    name = data_table.cell_value(i,l1-1)
    number = data_table.cell_value(i,l2-1)
    # print(name,number)
    table_name = goal.add_sheet(str(name))
    #设置非数据文本
    table_name.write(gh1-1,gl1,'的身份证号是')
    #设置文本栏宽度
    table_name.col(1).width = 3000
    #写入数据
    table_name.write(gh1-1,gl1-1,name)
    table_name.write(gh2-1,gl2-1,number)

#保存数据
goal.save('goal.xls')

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用`pandas`库来读取Excel文件并进行数据处理,同时使用`sklearn`库中的`MinMaxScaler`来进行Min-max标准化。 以下是一个示例程序: ```python import pandas as pd from sklearn.preprocessing import MinMaxScaler # 读取Excel文件 df = pd.read_excel('data.xlsx') # 获取需要标准化的 cols_to_normalize = ['col1', 'col2', 'col3'] # 创建MinMaxScaler对象 scaler = MinMaxScaler() # 对需要标准化的进行Min-max标准化 df[cols_to_normalize] = scaler.fit_transform(df[cols_to_normalize]) # 将处理后的数据写入Excel文件 writer = pd.ExcelWriter('normalized_data.xlsx') df.to_excel(writer, index=False) writer.save() ``` 其中,`cols_to_normalize`变量存储需要进行Min-max标准化的名,可以根据实际情况进行修改。`MinMaxScaler`对象的`fit_transform()`方法会对指定进行标准化,将处理后的结果直接赋值给原DataFrame中的对应。最后,使用`pd.ExcelWriter()`对象将处理后的数据写入Excel文件。 ### 回答2: 要实现将Excel中的数据进行Min-max标准化,可以使用Python的pandas库和sklearn库中的MinMaxScaler类。具体步骤如下: 1. 首先,安装必要的库。在命令行中输入以下命令: ``` pip install pandas pip install sklearn ``` 2. 使用pandas库读取Excel文件,并将数据存储在DataFrame对象中。假设Excel文件名为"data.xlsx",数据位于第一个工作表中的A到D。代码如下: ```python import pandas as pd # 读取Excel df = pd.read_excel("data.xlsx", sheet_name=0, usecols="A:D") ``` 3. 导入MinMaxScaler类,并创建一个实例。代码如下: ```python from sklearn.preprocessing import MinMaxScaler # 创建一个MinMaxScaler实例 scaler = MinMaxScaler() ``` 4. 使用fit_transform()方法,将数据进行Min-max标准化。代码如下: ```python # Min-max标准化 df_normalized = scaler.fit_transform(df) ``` 5. 将标准化后的数据保存到新的Excel文件中。代码如下: ```python # 将标准化后的数据保存到Excel df_normalized = pd.DataFrame(df_normalized, columns=df.columns) df_normalized.to_excel("normalized_data.xlsx", index=False) ``` 完整代码如下: ```python import pandas as pd from sklearn.preprocessing import MinMaxScaler # 读取Excel df = pd.read_excel("data.xlsx", sheet_name=0, usecols="A:D") # 创建一个MinMaxScaler实例 scaler = MinMaxScaler() # Min-max标准化 df_normalized = scaler.fit_transform(df) # 将标准化后的数据保存到Excel df_normalized = pd.DataFrame(df_normalized, columns=df.columns) df_normalized.to_excel("normalized_data.xlsx", index=False) ``` 运行上述代码后,将会生成一个名为"normalized_data.xlsx"的Excel文件,其中的数据为经过Min-max标准化后的结果。 ### 回答3: 以下是一个使用Python读取Excel数据并将其转换为Min-Max标准格式的示例程序: ```python import pandas as pd # 读取Excel文件 data = pd.read_excel('data.xlsx') # 获取数据 columns = data.columns # 使用Min-Max标准化 data_scaled = (data - data.min()) / (data.max() - data.min()) # 保存标准化后的数据到新的Excel文件 data_scaled.to_excel('data_scaled.xlsx', index=False) print("数据已成功转换为Min-Max标准格式,并保存到data_scaled.xlsx文件中。") ``` 在上述程序中,我们首先使用`pandas`库的`read_excel()`函数读取了一个名为`data.xlsx`的Excel文件,将其存储为一个`DataFrame`对象`data`。然后,我们获取了数据名,即特征名。接下来,我们使用`(data - data.min()) / (data.max() - data.min())`的方法对数据进行了Min-Max标准化处理。最后,我们使用`to_excel()`函数将标准化后的数据保存为一个名为`data_scaled.xlsx`的新Excel文件,其中`index=False`表示不保存行索引。程序运行完毕后,会在控制台打印出成功转换和保存文件的提示信息。 当然,你需要根据你的实际数据文件名和文件路径进行调整。希望对你有所帮助!
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