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")