好消息!Python 和 Excel 终于可以互通了!

python tkinter编写界面,使用win32com操作excel获取数据生成截图后,wxpy登录微信,给租客发送房租(一) 家里有几个单间出租,可是每到月头收房租就是件麻烦事,挨个挨个去收,对方有时候不在,或者说还没出粮,过几天再给,又或者没到时间,太麻烦了,而且还得写收据,学了python这么久,自己来写个GUI,用excel记录好房租信息后,获取该月对应的房租信息,然后生成表格图片,登录微信后,根据租客昵称给他们发送房租详情即可! GUI界面图: 微信效果图: --登录微信、发送了信... 阅读详情

点击“开发者技术前线”,选择“星标????”

在看|星标|留言,  真爱


作者:小天真_5eed   链接:

https://www.jianshu.com/p/6ecf414f3372

今天为大家分享一篇使用python将大量数据导出到Excel中的技巧心得,可以让Python和Excel的数据实现互通!具有很好的参考价值,希望对大家有所帮助(建议在电脑端阅读,代码案例较多)。一起过来看看吧!

问题描述

为了更好地展示数据,Excel格式的数据文件往往比文本文件更具有优势,但是具体到python中,该如何导出数据到Excel呢?如果碰到需要导出大量数据又该如何操作呢?

具体步骤

Step 1 安装openpyxl

使用pip install openpyxl即可,但是在windows下安装的是2.2.6版本,在centos自动安装的是4.1版本,写的代码在windows下运行没问题,但centos上却报错了,说是ew=ExcelWriter(workbook=wb)少提供一个参数,于是果断在 237服务器上我已安装2.2.6版本的,问题解决。

pip install openpyxl==2.2.6

Step 2 直接上代码(Ps:代码中包含xlwt和openpyxl的两个实现版本)

# coding:utf-8
'''
# 希望对大家有帮助哈,请多提问题
create by yaoyz
date: 2017/01/24
'''
importxlrd
importxlwt
# workbook相关
fromopenpyxl.workbookimportWorkbook
# ExcelWriter,封装了很强大的excel写的功能
fromopenpyxl.writer.excelimportExcelWriter
# 一个eggache的数字转为列字母的方法
fromopenpyxl.utilsimportget_column_letter
fromopenpyxl.reader.excelimportload_workbook
classHandleExcel():
'''Excel相关操作类'''
def__init__(self):
self. head_row_labels = [u'学生ID',u'学生姓名',u'联系方式',u'知识点ID',u'知识点名称']
"""
        function:
            读出txt文件中的每一条记录,把它保存在list中
        Param:
            filename:  要读出的文件名
        Return:
            res_list:返回的记录的list
    """
defread_from_file(self,filename):
        res_list=[]
file_obj=open(filename,"r")
forlineinfile_obj.readlines():
            res_list.append(line)
        file_obj.close()
returnres_list
"""
        function:
            读出*.xlsx中的每一条记录,把它保存在data_dic中返回
        Param:
            excel_name:  要读出的文件名
        Return:
            data_dic:返回的记录的dict
    """
defread_excel_with_openpyxl(self, excel_name="testexcel2007.xlsx"):
# 读取excel2007文件
        wb = load_workbook(filename=excel_name)
# 显示有多少张表
print"Worksheet range(s):", wb.get_named_ranges()
print"Worksheet name(s):", wb.get_sheet_names()
# 取第一张表
        sheetnames = wb.get_sheet_names()
ws = wb.get_sheet_by_name(sheetnames[0])
# 显示表名,表行数,表列数
print"Work Sheet Titile:",ws.title
print"Work Sheet Rows:",ws.get_highest_row()
print"Work Sheet Cols:",ws.get_highest_column()
# 获取读入的excel表格的有多少行,有多少列
        row_num=ws.get_highest_row()
        col_num=ws.get_highest_column()
print"row_num: ",row_num," col_num: ",col_num
# 建立存储数据的字典
        data_dic = {}
sign=1
# 把数据存到字典中
forrowinws.rows:
            temp_list=[]
# print "row",row
forcellinrow:
printcell.value,
                temp_list.append(cell.value)
print""
            data_dic[sign]=temp_list
sign+=1
printdata_dic
returndata_dic
"""
        function:
            读出*.xlsx中的每一条记录,把它保存在data_dic中返回
        Param:
            records: 要保存的,一个包含每一条记录的list
            save_excel_name:  保存为的文件名
            head_row_stu_arrive_star:
        Return:
            data_dic:返回的记录的dict
    """
defwrite_to_excel_with_openpyxl(self,records,head_row,save_excel_name="save.xlsx"):
# 新建一个workbook
        wb = Workbook()
# 新建一个excelWriter
        ew = ExcelWriter(workbook=wb)
# 设置文件输出路径与名称
dest_filename = save_excel_name.decode('utf-8')
# 第一个sheet是ws
ws = wb.worksheets[0]
# 设置ws的名称
ws.title ="range names"
# 写第一行,标题行
forh_xinrange(1,len(head_row)+1):
            h_col=get_column_letter(h_x)
#print h_col
ws.cell('%s%s'% (h_col,1)).value ='%s'% (head_row[h_x-1])
# 写第二行及其以后的那些行
i =2
forrecordinrecords:
record_list=str(record).strip().split("\t")
forxinrange(1,len(record_list)+1):
                col = get_column_letter(x)
ws.cell('%s%s'% (col, i)).value ='%s'% (record_list[x-1].decode('utf-8'))
i +=1
# 写文件
        ew.save(filename=dest_filename)
"""
        function:
            测试输出Excel内容
            读出Excel文件
        Param:
            excel_name:  要读出的Excel文件名
        Return:
          无
    """
defread_excel(self,excel_name):
        workbook=xlrd.open_workbook(excel_name)
printworkbook.sheet_names()
# 获取所有sheet
printworkbook.sheet_names()# [u'sheet1', u'sheet2']
sheet2_name = workbook.sheet_names()[1]
# 根据sheet索引或者名称获取sheet内容
sheet2 = workbook.sheet_by_index(1)# sheet索引从0开始
sheet2 = workbook.sheet_by_name('Sheet1')
# sheet的名称,行数,列数
printsheet2.name,sheet2.nrows,sheet2.ncols
# 获取整行和整列的值(数组)
rows = sheet2.row_values(3)# 获取第四行内容
cols = sheet2.col_values(2)# 获取第三列内容
printrows
printcols
# 获取单元格内容
printsheet2.cell(1,0).value
printsheet2.cell_value(1,0)
printsheet2.row(1)[0].value
# 获取单元格内容的数据类型
printsheet2.cell(1,0).ctype
# 通过名称获取
returnworkbook.sheet_by_name(u'Sheet1')
"""
        function:
            设置单元格样式
        Param:
            name:  字体名字
            height:  字体高度
            bold:  是否大写
        Return:
            style: 返回设置好的格式对象
    """
defset_style(self,name,height,bold=False):
style = xlwt.XFStyle()# 初始化样式
font = xlwt.Font()# 为样式创建字体
font.name = name# 'Times New Roman'
        font.bold = bold
font.color_index =4
        font.height = height
        borders= xlwt.Borders()
borders.left=6
borders.right=6
borders.top=6
borders.bottom=6
        style.font = font
        style.borders = borders
returnstyle
"""
        function:
            按照 设置单元格样式  把计算结果由txt转变为Excel存储
        Param:
            dataset:要保存的结果数据,list存储
        Return:
            将结果保存为 excel对象中
    """
defwrite_to_excel(self, dataset,save_excel_name,head_row):
f = xlwt.Workbook()# 创建工作簿
# 创建第一个sheet:
# sheet1
count=1
sheet1 = f.add_sheet(u'sheet1', cell_overwrite_ok=True)# 创建sheet
# 首行标题:
forpinrange(len(head_row)):
sheet1.write(0,p,head_row[p],self.set_style('Times New Roman',250,True))
default=self.set_style('Times New Roman',200,False)# define style out the loop will work
forlineindataset:
row_list=str(line).strip("\n").split("\t")
forppinrange(len(str(line).strip("\n").split("\t"))):
sheet1.write(count,pp,row_list[pp].decode('utf-8'),default)
count+=1
f.save(save_excel_name)# 保存文件
defrun_main_save_to_excel_with_openpyxl(self):
print"测试读写2007及以后的excel文件xlsx,以方便写入文件更多数据"
print"1. 把txt文件读入到内存中,以list对象存储"
dataset_list=self.read_from_file("test_excel.txt")
'''test use openpyxl to handle EXCEL 2007'''
print"2. 把文件写入到Excel表格中"
        head_row_label=self.head_row_labels
save_name="test_openpyxl.xlsx"
        self.write_to_excel_with_openpyxl(dataset_list,head_row_label,save_name)
print"3.  执行完毕,由txt格式文件保存为Excel文件的任务"
defrun_main_save_to_excel_with_xlwt(self):
print" 4. 把txt文件读入到内存中,以list对象存储"
dataset_list=self.read_from_file("test_excel.txt")
'''test use xlwt to handle EXCEL 97-2003'''
print" 5. 把文件写入到Excel表格中"
        head_row_label=self.head_row_labels
save_name="test_xlwt.xls"
        self.write_to_excel_with_openpyxl(dataset_list,head_row_label,save_name)
print"6.  执行完毕,由txt格式文件保存为Excel文件的任务"
if__name__ =='__main__':
print"create handle Excel Object"
    obj_handle_excel=HandleExcel()
# 分别使用openpyxl和xlwt将数据写入文件
    obj_handle_excel.run_main_save_to_excel_with_openpyxl()
    obj_handle_excel.run_main_save_to_excel_with_xlwt()
'''测试读出文件,注意openpyxl不可以读取xls的文件,xlrd不可以读取xlsx格式的文件'''
#obj_handle_excel.read_excel_with_openpyxl("testexcel2003.xls")  # 错误写法
#obj_handle_excel.read_excel_with_openpyxl("testexcel2003.xls") # 错误写法
obj_handle_excel.read_excel("testexcel2003.xls")
obj_handle_excel.read_excel_with_openpyxl("testexcel2007.xlsx")

 扩展阅读

通过查阅资料,发现网上众说纷纭,总结起来有如下几点:

python Excel相关操作的module lib有两组,一组是xlrd、xlwt、xlutils,另一组是openpyxl,但是前一组(xlrd,xlwt)比较老,只能处理由Excel 97-2003 或者Excel 97 以前版本生成的xls格式的excel文件,xlwt甚至不支持07版以后的excel,这个格式excel文件一般来说,最大只能支持256列或者65536行的excel文件。

因此面对需要导出大量数据到excel的情况,你将有如下三种选择:

  • 换一种存储格式,如保存为CSV文件

  • 使用openpyxl—,因为它支持对Excel 2007+ xlsx/xlsm format的处理

  • win32 COM (Windows only)

当然,我们要直面困难,为了更好地展示数据给产品和用户,我们依然选择第二种。

经过一番搜索后我找到了openpyxl的网址,放在下面了,支持07+的excel,一直有人在维护,文档清晰易读,参照Tutorial和API文档很快就能上手了,大家有需要的可以自取。

  • openpyxl网址:

https://openpyxl.readthedocs.io/en/stable/(可以将网页翻译成中文方便使用)

在公众号,在后台回复关键字:666,可以获取一份程序员大礼包!



END

历史推荐

Python3.9 正式版即将发布,看看新特性全网最细!PyCharm 安装+破解详细使用指南2020 年,最适合 AI 的 5 种编程语言
2020年必学的 10 大算法好文点个在看吧!
无线网卡选购指南:哪些型号支持Kali Linux的监听模式?附免驱动网卡推荐 本文详细解析了如何在Kali Linux下选购支持监听模式的无线网卡。核心在于选择兼容的芯片组,如Atheros AR9271和Ralink RT3070等经典型号,并提供了免驱动网卡推荐与实战配置指南,帮助安全研究人员和爱好者快速搭建无线测试环境。 阅读详情

相关推荐

基于74LS175的四人抢答电路设计(含详细设计分析及试错过程)

根据设计要求不难发现,只要有一人抢答,就会输出信号使指示灯常亮,此时其他人输入无效,适宜选择触发器,有人抢答时触发器输出由0变1,输出信号控制指示灯常亮,同时使CLR引脚输入0,触发器不工作,即其他选手不能再抢答。尝试加入一人抢答后其他人不可抢答功能,如下图,175四个~Q输出端接入同一个与非门,于是当有选手抢答时该与非门输出由0变1,将该信号输入U5A,U5A输出由1变0,接入~CLR即可使电路不再工作。但仿真时发现,该复位键仅可使抢答电路部分复位,计数部分只是暂停,并未复位。否则元器件将无法正常工作。

2202_75463653的博客 8202

Python和Excel终于可以互通了!!

点击上方“Python高校”,关注文末干货立马到手作者:小天真_5eed 链接:https://www.jianshu.com/p/6ecf414f3372今天为大家分享一篇使用py...

Python爬虫和机器学习专栏 1346

open-mmlab / mmpose安装、使用教程

mmpose安装、使用教程mmpose安装教程1. 安装mmcv-full2. 安装MMPose2. 安装mmdet使用教程1. 预测图片2. 预测视频 mmpose mmpose是商汤旗下有又一款好用的工具箱,主要是针对姿态识别任务开发的,包括人体姿态识别和动物姿态识别。里面继承很多现成的网络可以供大家使用,并且提供了训练好的权重。用户可以更具自己的需求训练自己的数据,或者直接应用他们的结果,反正就是很全面啦!!!! github连接:https://github.com/open-mmlab/mmpos

CharmsLUO的博客 1万+

python处理excel的优势-推荐一款数据处理的神级工具,完全结合了Python和Excel的优势...

机器之心报道参与:思源、张倩很多开发者说自从有了 Python/Pandas,Excel 都不怎么用了,用它来处理与可视化表格非常快速。但是这样还是有一大缺陷,操作不是可视化的表格,因此对技能要求更高一点。近日,开发者构建了名为 Grid studio 的开源项目,它是一个基于网页的表格应用,完全结合了 Python 和 Excel 的优势。是的,在一个界面上同时展示可视化表格与代码,而且同时通过...

q6q6q的专栏 1445

Halcon Socket TCP通讯:从算子调用到工业视觉系统集成

本文详细介绍了Halcon Socket TCP通讯在工业视觉系统中的应用与优化技巧。从基础算子调用到高并发处理,再到与PLC、机器人及MES系统的集成实战,提供了全面的解决方案和性能优化建议,帮助开发者高效实现工业视觉系统的通讯需求。

weixin_33502772的博客 248

Claude Code vs Codex实战对比:哪个更适合你的Next.js项目?(含真实案例)

本文通过两个真实的Next.js项目案例,深度对比了Claude Code与Codex在UI实现和业务逻辑构建中的表现。Claude Code在代码质量、设计还原度和架构完整性方面优势明显,适合对可维护性要求高的生产级项目;而Codex则以快速响应和低成本见长,更适合原型开发或内部工具。文章提供了基于项目类型、团队能力和成本效益的详细选择策略。

weixin_29201859的博客 811

Python与Excel之间的交互

数据处理是 Python 的一大应用场景,而 Excel 则是最流行的数据处理软件。因此用 Python 进行数据相关的工作时,难免要和 Excel 打交道。 如果仅仅是要以表单形式保存数据,可以借助 CSV 格式(一种以逗号分隔的表格数据格式)进行处理,Excel 也支持此格式。但标准的 E...

chiwenla4994的博客 817

【GameFramework框架内置模块】9、有限状态机(FSM)

这篇文章分享FSM有限状态机,了解过StarForce源码的同学相比都比较了解,GameFramework框架给我们抽象了一个Procedure流程的概念。这个Procedure流程可以方便的处理我们游戏从启动到游戏的各个流程阶段的处理逻辑,实现的核心就是FSM状态机,内部的Procedure流程就是不同的FsmState状态。接下来,就是FSM有限状态机的教程了。有限状态机(Finite-state machine,FSM)

优快云博客专家,Unity3D高级软件工程师,《Unity 3D从入门到实战》作者。 2535

Python:tkinter 搭建简易前端,excel读写处理参考

接上一篇帖子:添加链接描述 项目已完成,代码分享在github: 添加链接描述 主要是针对前端传入的excel及参数,对excel进行排序、解析、筛选最后生成各种样式的excel目标文件 ...

m0_37607730的博客 4731

一文读懂AI协同办公领域发展和趋势

协同办公,又称OA,是指企业内部或外部各类人员之间利用信息技术来进行协作工作的一种形式。这种协作工作既可以由直接员工进行,也可以来自外部的咨询机构、合作伙伴或联营企业。协同办公的优势在于可以对资源进行有效管理和配置,各部门之间可以建立良好的协作关系,跨部门更好地实现资源共享。

女王の专属领地 2366

科研绘图系列:R语言绘制差异蝴蝶图(Butterfly Chart)

科研绘图系列:R语言蝴蝶图(Butterfly Chart)

专注生信领域 1395

【好消息!】Python和Excel终于可以互通了!!

今天小编为大家分享一篇使用python将大量数据导出到Excel中的技巧心得,可以让Python和Excel的数据实现互通!具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...

机器学习算法那些事 1159

《UDS协议从入门到精通》系列——图解0x23:通过地址读取内存

如何读取ECU中指定内存地址的数据?图解UDS 0x23服务带你快速上手!!

车载系统攻城狮 2625

好消息!Python和Excel终于可以互通了!!

点击上方“爱学AI”,选择“置顶公众号”精品文章,第一时间送达作者:小天真_5eed链接:https://www.jianshu.com/p/6ecf414f3372今天为大家分享一篇使...

Oner.wv的专栏 379

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

python与excel互通_好消息!Python 和 Excel 终于可以互通了!

# coding:utf-8'''# 希望对大家有帮助哈,请多提问题create by yaoyzdate: 2017/01/24'''importxlrdimportxlwt# workbook相关fromopenpyxl.workbookimportWorkbook# ExcelWriter,封装了很强大的excel写的功能fromopenpyxl.writer.excelimportExce...

weixin_39563823的博客 115

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

python to excel 路径_好消息!Python和Excel终于可以互通了!

精品文章,第一时间送达作者:小天真_5eed链接:https://www.jianshu.com/p/6ecf414f3372今天为大家分享一篇使用python将大量数据导出到Excel中的技巧心得,可以让Python和Excel的数据实现互通!具有很好的参考价值,希望对大家有所帮助(建议在电脑端阅读,代码案例较多)。一起来看看吧!问题描述为了更好地展示数据,Excel格式的数据文件往往比文本文件...

weixin_39551103的博客 970

python跟excel_好消息!Python和Excel终于可以互通了!!

# coding:utf-8'''# 希望对大家有帮助哈,请多提问题create by yaoyzdate: 2017/01/24'''importxlrdimportxlwt# workbook相关fromopenpyxl.workbookimportWorkbook# ExcelWriter,封装了很强大的excel写的功能fromopenpyxl.writer.excelimportExce...

weixin_28717939的博客 138

python excelwriter保存路径_【好消息!】Python和Excel终于可以互通了!!

-点击上方“中国统计网”订阅我吧!-文末领取【Python基础知识思维导图】今天小编为大家分享一篇使用python将大量数据导出到Excel中的技巧心得,可以让Python和Excel的数据实现互通!具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧!问题描述为了更好地展示数据,Excel格式的数据文件往往比文本文件更具有优势,但是具体到python中,该如何导出数据到Ex...

weixin_39760065的博客 196

python与excel互通_好消息!Python和Excel终于可以互通了!!!

'''# 希望对大家有帮助哈,请多提问题create by yaoyzdate: 2017/01/24'''importxlrdimportxlwt# workbook相关fromopenpyxl.workbookimportWorkbook# ExcelWriter,封装了很强大的excel写的功能fromopenpyxl.writer.excelimportExcelWriter# 一个egg...

weixin_39654823的博客 86

python与excel互通_【好消息!】Python和Excel终于可以互通了!!

'''# 希望对大家有帮助哈,请多提问题create by yaoyzdate: 2017/01/24'''importxlrdimportxlwt# workbook相关fromopenpyxl.workbookimportWorkbook# ExcelWriter,封装了很强大的excel写的功能fromopenpyxl.writer.excelimportExcelWriter# 一个egg...

weixin_39727005的博客 77

python获取数据库表的行数_【好消息!】Python和Excel终于可以互通了!!

今天小编为大家分享一篇使用python将大量数据导出到Excel中的技巧心得,可以让Python和Excel的数据实现互通!具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧!问题描述为了更好地展示数据,Excel格式的数据文件往往比文本文件更具有优势,但是具体到python中,该如何导出数据到Excel呢?如果碰到需要导出大量数据又该如何操作呢?具体步骤Step 1安装o...

weixin_36252784的博客 209

【好消息】Python和Excel终于可以互通了!!

点击上方“爱学AI”,选择“置顶公众号”精品文章,第一时间送达作者:小天真_5eed 链接:https://www.jianshu.com/p/6ecf414f3372今天为大家分享一...

小詹学python的博客 681

python excelwriter保存路径_【好消息】Python和Excel终于可以互通了!!

(点击上方快速关注并设置为星标,一起学Python)作者:小天真_5eed 链接:https://www.jianshu.com/p/6ecf414f3372今天为大家分享一篇使用python将大量数据导出到Excel中的技巧心得,可以让Python和Excel的数据实现互通!具有很好的参考价值,希望对大家有所帮助(建议在电脑端阅读,代码案例较多)。一起过来看看吧!问题描述为了更好地...

weixin_39615219的博客 97
上一篇: 这5点措施,将手淘 Crash 率最高下降40%
下一篇: 阿里巴巴盒马面试6轮暴击,终获Offer!
DevolperFront
博客等级 码龄8年 465粉丝 81原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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