独立做机器学习项目的一个小经验：保存程序运行中的关键数据

最近在做脑机接口、机器学习的项目

也是第一次这么认真地做一个项目

just一个小白的日常思考而已

保存程序运行过程中的关键数据

如果每一次，都从头开始运行，很多步骤是重复的，而且要不少时间。

可以保存经常用到且计算耗时很长的数据，很多子项目就可以直接导入这个数据，在这个数据的基础上运行。

会省很多时间，也会省去不少试错成本。

（以下的代码是为了方便我日后copy）

这是每次把数据导入excel表格时用到的代码：

导入库：

import scipy.io as scio
from openpyxl import load_workbook
import pandas as pd

开始保存数据前的工作：

file_path='results.xlsx'
book = load_workbook(file_path)
writer = pd.ExcelWriter(file_path, engine='openpyxl')
writer.book = book
writer.sheets = dict((ws.title, ws) for ws in book.worksheets)
worksheet = writer.sheets['Sheet1']

file_path可以根据自己的需要更改。

需要保存数据时：

worksheet.cell(row=times+1, column=experiment, value=accuracy)

row、column、value的值可以根据实际情况更改

注意：row和column都是从1开始

结束后关闭文件：

writer.save()

注意：excel文件如果打开了，就不能跑了；代码运行中间也不要打开文件。

所以每次导入很多实验的数据的数据前，可以先小范围测试一下（如果没有太大把握）。

再次导入时，有很多种方式，我比较倾向于导入后返回一个dataframe。

导入库：

import pandas as pd

导入成dataframe：

df=pd.read_excel("results.xlsx")