0223代码备份

已于 2024-02-23 22:41:11 修改
阅读量288 收藏 8
点赞数 9
文章标签： python
于 2024-02-23 20:01:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zyn990903/article/details/136260450
版权 
import os
import pandas as pd
import numpy as np

folder_path = r'F:\health\pr'
for file_name in os.listdir(folder_path):
    if file_name.endswith('.xlsx'):
        file_path = os.path.join(folder_path, file_name)
        df = pd.read_excel(file_path)

        # 对每个excel进行操作
        for column_name in df.columns:
            if column_name in df.columns:
                df[column_name] = df[column_name].apply(lambda x: str(x).lower() if isinstance(x, str) else x)

        # 对特定列进行赋值操作
        if 'hv025' in df.columns:
            df['hv025'] = df['hv025'].apply(lambda x: 1 if x.lower() == 'urban' else (0 if x.lower() == 'rural' else 'n/a'))
            
        if 'hv104' in df.columns:
            def map_hv104(x):
                if pd.isnull(x):
                     return 'n/a'
                return 1 if x.lower() == 'male' else (0 if x.lower() == 'female' else 'n/a')
            df['hv104'] = df['hv104'].apply(map_hv104)

        if 'hv204' in df.columns:
            def map_hv204(x):
                if pd.isnull(x):
                    return 'n/a'
                if x == "Don't know" or (isinstance(x, int) and 31 <= x <= 999):
                    return 0
                return 1
            df['hv204'] = df['hv204'].apply(map_hv204)
        if 'hv206' in df.columns:
            df['hv206'] = df['hv206'].apply(lambda x: 1 if str(x).lower() == 'yes' else (0 if str(x).lower() == 'no' else 'n/a'))
        if 'hml10' in df.columns:
            df['hml10'] = df['hml10'].apply(lambda x: 1 if str(x).lower() == 'yes' else (0 if str(x).lower() == 'no' else 'n/a'))

        # 保存修改后的excel文件
        df.to_excel(file_path, index=False)
print ("over1")
import os
import pandas as pd

folder_path = r'F:\health\pr'
for file_name in os.listdir(folder_path):
    if file_name.endswith('.xlsx'):
        file_path = os.path.join(folder_path, file_name)
        df = pd.read_excel(file_path)

        # 对每个excel进行操作
        for column_name in ['hv106', 'hv201', 'hv205', 'hv207', 'hv208', 'hv209', 'hv210', 'hv211', 'hv212', 'hv221', 'hv227', 'hv228', 
                            'hc57', 'hc70', 'hc71', 'hc72', 'hml12', 'hml32', 'hml35']:
            
            if column_name not in df.columns:
                continue

            if column_name == 'hv106':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 0 if x.lower() in ['no education, preschool', "don't know", 'dk'] else (1 if x.lower() == 'primary' else (2 if x.lower() == 'secondary' else (3 if x.lower() == 'higher' else 'n/a'))))
            elif column_name == 'hv201':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 0 if x.lower() in ['lake/pond/river/channel/irrigation channel', 'unprotected well', 'unprotected spring', 'other', '99', 'river/stream', 'sea, lake', 'open well in dwelling', 'open well in yard/plot', 'open public well', 'pond, lake', 'river, stream', 'spring'] else 1)
            elif column_name == 'hv205':
                def map_hv205(x):
                    if pd.isnull(x):
                        return 'n/a'
                    if x in ["no facility", "traditional pit toilet", "other", "99", "traditional pit toilet (uncovered)", "no facility, bush, field", "No facility/bush/field", "Pit latrine without slab/open pit", "Hanging toilet/latrine", "Flush to somewhere else", "no facility/outdoors/bush", "bucket/potty/other container"]:
                        return 0
                    return 1
                df['hv205'] = df['hv205'].apply(map_hv205)
            elif column_name in ['hv207', 'hv208', 'hv209', 'hv210', 'hv211', 'hv212', 'hv221', 'hv227']:
                df.loc[:, column_name] = df[column_name].apply(lambda x: 1 if str(x).lower() == 'yes' else (0 if str(x).lower() == 'no' else 'n/a'))
            elif column_name == 'hv228':
                def map_hv228(x):
                    if pd.isnull(x):
                        return 'n/a'
                    if x == "all children":
                        return 2
                    if x == "some children":
                        return 1
                    return 0
                df['hv228'] = df['hv228'].apply(map_hv228)           
            elif column_name == 'hc57':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 0 if isinstance(x, str) and x.lower() in ['mild', 'moderate', 'severe'] else 1)
            elif column_name == 'hml12':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 3 if x.lower() in ['only treated bednets', 'only treated (itn) nets'] else (2 if x.lower() in ['both treated and untreated bednets', 'both treated (itn) and untreated nets'] else (1 if x.lower() in ['only untreated bednets', 'only untreated nets'] else (0 if x.lower() in ['no bednet', 'did not sleep under a net'] else 'n/a'))))
            elif column_name in ['hml32', 'hml35']:
                df.loc[:, column_name] = df[column_name].apply(lambda x: 0 if isinstance(x, str) and x.lower() == 'positive' else (1 if isinstance(x, str) and x.lower() == 'negative' else 'n/a'))

        # 保存修改后的excel文件
        df.to_excel(file_path, index=False)
print ("over2")


import os
import pandas as pd

folder_path = r'F:\health\pr'
for file_name in os.listdir(folder_path):
    if file_name.endswith('.xlsx'):
        file_path = os.path.join(folder_path, file_name)
        df = pd.read_excel(file_path)

        # 对每个excel进行操作
        for column_name in ['v157', 'v158', 'v159', 'v717', 'v731', 'v732', 'v445', 'v130', 'v217']:
            if column_name not in df.columns:
                continue
            
            religion_mapping = { 'catholic': 1,  'muslim': 2,  'islamic': 2,  'protestant': 3,  'traditional / animist': 4,  'animist': 4,
                                 'other christian': 5,  'salvation army': 6,  'assembly of god': 7,  "jehovah's witnesses": 8,  'no religion': 10}
            
            if column_name in ['v157', 'v158', 'v159']:
                def map_v157_v158_v159(x):
                    if pd.isnull(x):
                        return 'n/a'
                    if not isinstance(x, str):
                        return x
                    if x.lower() in ['almost every day', 'at least once a week']:
                        return 1
                    return 0
                df['v157'] = df['v157'].apply(map_v157_v158_v159)
                df['v158'] = df['v158'].apply(map_v157_v158_v159)
                df['v159'] = df['v159'].apply(map_v157_v158_v159)
                
            elif column_name == 'v717':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 1 if str(x).lower() in ['prof., tech., manag.', 'professional/technical/managerial'] else (2 if str(x).lower() == 'clerical' else (3 if str(x).lower() in ['sales', 'services'] else (4 if str(x).lower() == 'skilled manual' else (5 if str(x).lower() == 'unskilled manual' else (6 if str(x).lower() in ['household & domestic', 'household and domestic'] else (7 if str(x).lower() in ['agric-self employed', 'agriculture - self employed', 'agricultural - self employed'] else (8 if str(x).lower() == 'other' else (0 if str(x).lower() in ['don\'t know', 'not working', '99'] else 'n/a')))))))))
            elif column_name == 'v731':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 2 if str(x).lower() == 'currently working' else (1 if str(x).lower() in ['in the past year', 'have a job, but on leave last 7 days'] else (0 if str(x).lower() == 'no' else 'n/a')))
            elif column_name == 'v732':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 2 if str(x).lower() == 'all year' else (1 if str(x).lower() == 'seasonal' else (0 if str(x).lower() in ['occasional', 'temporary'] else 'n/a')))
            
            elif column_name == 'v445':
                def map_v445(x):
                    if pd.isnull(x):
                        return 'n/a'
                    if x == 'flagged cases' or (isinstance(x, int) and x >= 1849):
                        return 1
                    return 0
                df['v445'] = df['v445'].apply(map_v445)
                
            elif column_name == 'v130':
                def map_religion(x):
                    if pd.isnull(x):
                        return 'n/a'
                    words = str(x).split()
                    for word in words:
                         if word.lower() in religion_mapping:
                                return religion_mapping[word.lower()]
                    return 9
                df['v130'] = df['v130'].apply(map_religion)
           
            elif column_name == 'v217':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 1 if str(x).lower() == 'middle of the cycle' else (0 if str(x).lower() in ['after period ended', 'at any time', 'before period begins', "don't know", 'during her period', 'other', '9'] else 'n/a'))

        # 保存修改后的excel文件
        df.to_excel(file_path, index=False)
print ("over3")


import os
import pandas as pd
import numpy as np

folder_path = r'F:\health\pr'
for file_name in os.listdir(folder_path):
    if file_name.endswith('.xlsx'):
        file_path = os.path.join(folder_path, file_name)
        df = pd.read_excel(file_path)

        # 对每个excel进行操作
        for column_name in ['v313', 'v326', 'v416', 'v467d', 'v750', 'v751', 'v754cp', 'v754dp', 'v754jp', 'v754wp', 'v761', 'v781', 'v783', 'hiv03']:
            if column_name not in df.columns:
                continue
            
            if column_name == 'v313':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 2 if x == 'modern method' else (1 if x in ['traditional method', 'folkloric method'] else (0 if x == 'no method' else 'n/a')))
           
            elif column_name == 'v326':
                def map_v326(x):
                    if pd.isnull(x):
                        return 'n/a'
                    words = str(x).split()
                    for word in words:
                        if word.lower() in ['public', 'health', 'hospital', 'pharmacy', 'medical', 'clinic', 'government', 'doctor']:
                            return 1
                    return 0
                df['v326'] = df['v326'].apply(map_v326)
                
            elif column_name == 'v416':
                def map_v416(x):
                    if pd.isnull(x):
                        return 'n/a'
                    if x in ["heard of ors", "used ors"]:
                        return 1
                    return 0
                df['v416'] = df['v416'].apply(map_v416)
                
            elif column_name == 'v467d':
                df.loc[:, column_name] = df[column_name].apply(lambda x: 1 if x == 'not a big problem' else (0 if x == 'big problem' else 'n/a'))
            elif column_name in ['v750', 'v751', 'v761', 'v781', 'v783']:
                df.loc[:, column_name] = df[column_name].apply(lambda x: 1 if x == 'yes' else (0 if x == 'no' else 'n/a'))
            elif column_name in ['v754cp', 'v754dp', 'v754jp', 'v754wp']:
                df.loc[:, column_name] = df[column_name].apply(lambda x: 1 if x in ['reduce chances of aids by always using condoms during sex', 'reduce chance of aids: have 1 sex partnr with no oth partner', 'no'] else (0 if x in ['don\'t know', '9'] else 'n/a'))
            elif column_name == 'hiv03': 
                def map_hiv03(x):
                    if pd.isnull(x):
                        return x
                    if isinstance(x, str) and x.lower() in ['hiv  positive', 'hiv2 positive', 'hiv1 & hiv2 positive']:
                        return 0
                    if isinstance(x, str) and x.lower() in ['hiv negative', 'inconclusive', 'indeterminate', '8', 'indeterminant']:
                        return 1
                    return x
                df['hiv03'] = df['hiv03'].apply(map_hiv03)

        # 保存修改后的excel文件
        df.to_excel(file_path, index=False)
print ("over4")


import os
import pandas as pd

folder_path = r'F:\health\pr'
for file_name in os.listdir(folder_path):
    if file_name.endswith('.xlsx'):
        file_path = os.path.join(folder_path, file_name)
        df = pd.read_excel(file_path)

        # 重命名列
        rename_mapping = {
            'hv025': 'urban',
            'hv106': 'edu',
            'hv201': 'water',
            'hv204': 'waterdis',
            'hv205': 'toilet',
            'hv206': 'elec',
            'hv207': 'radio',
            'hv208': 'TV',
            'hv209': 'refrigerator',
            'hv210': 'bicycle',
            'hv211': 'motorcycle',
            'hv212': 'car',
            'hv221': 'phone',
            'hv227': 'bednets',
            'hv228': 'bednetchildren',
            'hc57': 'anemia',
            'hml10': 'ITN',
            'hml12': 'netstype',
            'hml32': 'malaria from blood smear test',
            'hml35': 'malaria rapid test',
            'v157': 'newspapers',
            'v158': 'listening to radio',
            'v159': 'watching TV',
            'v717': 'occu',
            'v731': 'occustatus',
            'v732': 'occufrequency',
            'v445': 'femaleBMI',
            'v130': 'religion',
            'v217': 'ovulatory cycle',
            'v313': 'type of contraceptive',
            'v326': 'contraceptive source',
            'v467d': 'distance to the health facility',
            'v761': 'condom use',
            'v781': 'tested for AIDS',
            'v783': 'Know where',
            'hiv03': 'hiv'}
        
        df.rename(columns=rename_mapping, inplace=True)

        # 删除列
        columns_to_delete = ['hv226', 'hv234', 'hc55', 'hb55', 'hb56', 'ha63', 'ha65', 'hb63', 'hb65', 'hb40', 'v131', 'hc70', 'hc71', 'hc72', 'hml33']
        for column in columns_to_delete:
            if column in df.columns:
                df.drop(columns=column, inplace=True)

        # 保存修改后的excel文件
        df.to_excel(file_path, index=False)
print ("over5")

Strawberry hill
关注
  • 9
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
ABAP 代码下载备份 1.5.1
07-27
ABAP 代码下载备份 1.5.1
源代码备份
04-09
源代码备份,java spring ,spring cas 使用
前端代码备份.zip
02-14
前端代码备份（个人使用）
类库代码备份工具.zip
12-18
C#开发，含源码，可根据实际需要而改动代码，编译成自己定制的工具。工具代替人，效率会提高很多，且工具在于反复使用，用得越多，创造的价值越多，需要的请拿去！
学习代码备份
05-17
学习代码备份
python迁移数据教程
2402_85292291的博客
06-13 644
if os.path.isfile(src_item_path): dest_item_path = os.path.join(dest_folder, item) shutil.copy2(src_item_path, dest_item_path) # 如果item是目录，递归调用migrate_data函数。2. 准备源文件夹和目标文件夹： 在您的计算机上创建两个文件夹，分别为源文件夹（source_folder）和目标文件夹（destination_folder）。将您希望迁移的数据放入源文件夹。
【GO-OpenCV】go-cv快速配置
最新发布
记录我的学习历程
06-16 1365
最近对golang实现目标检测心血来潮，尝试在没有sudo权限的平台配置go-cv,有所发现，索性多个平台都做尝试。
YesPMP探索Python在生活中的应用，助力提升开发效率
YesPMP20的博客
06-13 769
Python是一种简单易学、高效强大的编程语言，正变成越来越多人选择的热门技能。学习Python不仅可以提供更多就业机会，还能让自己在职场更加有竞争力，那可以去哪里拓展自己的技能呢？
Python | Leetcode Python题解之第149题直线上最多的点数
Mopes__的博客
06-14 467
Python | Leetcode Python题解之第149题直线上最多的点数
paddleocr实验过程
mddCSDN的博客
06-11 386
切割后的数据在train_data中，注意切割后的数据前缀默认是当前目录，因此建议切割数据在liunx中进行。或者修改下面--datasetRootPath中的default。如果在Win中切割，放入liunx中训练。1、打开tmux窗口启动，这样断开连接后台可以继续训练。2、根据需求修改配置文件，如输出名称，数据集位置，注意暂时不要改吧epoch，训练容易报错。建议在liunx中指定。
深入理解Python多进程
这家伙很懒，什么都没有留下
06-12 718
本文深入介绍了Python多进程编程的基础概念、实现原理、使用方法以及实战案例。通过本文的学习，读者可以全面理解和掌握Python多进程编程的相关知识，并能够在实际项目中应用多进程技术来提高程序的执行效率。需要注意的是，虽然多进程技术能够带来性能上的提升，但也会带来一些额外的问题和复杂性，如进程间通信、进程同步等。因此，在使用多进程技术时，需要根据实际情况进行权衡和选择。
Python基础速成
weixin_74163644的博客
06-11 394
文件操作 文件读取 with open语法 文件写入 注意事项 文件追加 异常、模块与包 捕获异常 捕获方法 捕获传递 模块的导入与自定义 定义 导入方式 自定义 测试模块 注意事项 python包 定义 操作 第三方包 定义 pip指令安装包
Windows10下安装GPU环境Cuda和Pytorch教程图解
weixin_40547993的博客
06-12 1289
在深度学习和高性能计算领域，利用GPU进行计算已经成为提升效率的关键手段。CUDA是NVIDIA推出的并行计算平台和编程模型，它使得开发者能够利用NVIDIA GPU的强大计算能力。同时，PyTorch作为一个广泛使用的深度学习框架，以其易用性和灵活的动态计算图受到了研究人员和开发者的青睐。为了在Windows10系统上充分利用GPU进行深度学习训练，需要正确安装和配置CUDA和PyTorch。
Django UpdateView视图
人生苦短，何妨一试
06-11 432
UpdateView是Django中的一个通用视图，用于处理对象的更新操作。它允许用户更新一个已经存在的对象。UpdateView通常与一个模型表单一起使用，这样用户就可以看到当前对象的值，并可以修改它们。
【Python】（一）复习重点——类型；结构
2302_81240667的博客
06-11 753
元组（tuple）与列表类似，不同之处在于元组的元素不能修改。a, b, c = 1, 2, "runoob" # 多个对象指定多个变量。{'b', 'c', 'a', 'r', 'd'} ——集合元素不重复。列表是有序的对象集合，字典是无序的对象集合。{'r', 'b', 'd'} ——在a里面，但不在b里面。字典是一种映射类型，字典用 { } 标识，它是一个无序的。{'c', 'a'} ——a,b的公共部分。3->步长为-1，表示逆向，每步为1。的数据类型，用于存储唯一的元素。
【Java02】Java中数组的定义与初始化
饮冰室
06-10 567
推荐第一种方式。这种方式容易让人理解，数据类型是type[]，对象名称是arrayName。第二种方式有些老旧了。由于数组是一种引用变量（也就是一个指针），所以定义的时候还没有指向任何有效的内存空间，因此在定义数组的时候不能指定数组的长度，也不能直接使用。必须进行初始化。可以使用var让系统自动推断变量类型，既可以用于静态初始化，也可以用于动态初始化。
【2024最新华为OD-C/D卷试题汇总】[支持在线评测] CPU算力分配(100分) - 三语言AC题解(Python/Java/Cpp)
清隆学长的博客
06-11 343
### 问题描述 K小姐是某公司运营部门的主管,最近她需要对公司的两组服务器进行算力分配。每组服务器有多个算力不同的 $CPU$,其中 $A$ 组第 $i$ 个 $CPU$ 的运算能力为 $A[i]$,而 $B$ 组第 $i$ 个 $CPU$ 的运算能力为 $B[i]$。一组服务器的总算力是各 $CPU$ 的算力之和。 为了让两组服务器的算力相等,K小姐允许从每组各选出一个 $CPU$ 进行一次交换。她希望从 $A$ 组服务器中选出算力尽可能小的 $CPU$ 来交换,你能帮她计算出应该选择哪两个 $CP
DeepSORT（目标跟踪算法）中的计算观测值与状态估计的马氏距离
flyfish
06-10 813
flyfish在目标跟踪中，使用马氏距离可以帮助判断某个观测值是否与当前的状态估计一致。gating_distance 是一个方法，用于计算状态分布和观测值之间的门限距离（gating distance）。门限距离通常用于数据关联和验证测量值是否合理。提示用户可以从 chi2inv95 中获取适当的距离阈值。如果only_position 为 False，则使用4自由度的卡方分布，否则使用2自由度的卡方分布。
ubuntu下使用cmake编译opencv4.8.0+ffmpeg4.2.2+cuda11.1
四平的博客
06-12 929
DBUILD_opencv_world=ON：表示最终只编译得到一个opencv_world.so文件,方便后续链接和移动库，建议编成一个。编译完成后，编译后的文件保存在:/usr/local/ffmpeg目录下，并将bin和lib目录添加到对应的文件中。编译时间较长，等待编译完成即可在/cytech_ai/env/opencv480gpu文件夹下找到编译后的库。-DCMAKE_INSTALL_PREFIX：表示编译后make install的位置。其他的一些cuda，cudnn和加速的算子都打开就行。
gitlab代码备份
10-01
Gitlab的代码备份可以通过以下几个步骤来完成： 1. 手动备份：使用命令`gitlab-rake gitlab:backup:create`可以创建一个完整的Gitlab备份压缩包。该命令将在`/var/opt/gitlab/backups`目录下生成一个压缩包，包含了...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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