python 读取 excel 为矩阵,跳过标题行,按列归一化

该代码段展示了一个Python脚本,用于从Excel文件中读取数据,跳过标题行并进行数据矩阵的构建。如果遇到`xlrd`不支持.xlsx文件的错误,可以通过降级`xlrd`版本为1.2.0来解决。数据矩阵在读取后可选进行归一化处理,使用了`sklearn`的`MinMaxScaler`。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

如下图所示的 excel 文件,想跳过标题行,读取数据矩阵:

代码如下: 

import numpy as np
import xlrd
from sklearn import preprocessing


def excel_to_matrix(path, data_norm=True):
    table = xlrd.open_workbook(path).sheets()[0]
    row = table.nrows
    col = table.ncols
    datamatrix = np.zeros((row-1, col))
    for x in range(col):
        cols = np.array(table.col_values(x))
        datamatrix[:, x] = cols[1:]  # 不读标题行
    if data_norm:
        min_max_scaler = preprocessing.MinMaxScaler()
        datamatrix = min_max_scaler.fit_transform(datamatrix)
    return datamatrix


if __name__ == '__main__':
    path = r'.\normed_Data.xlsx'
    data = excel_to_matrix(path)
    print(np.shape(data))

如果运行过程中遇到报错信息:

xlrd.biffh.XLRDError: Excel xlsx file; not supported

是由于当前 python 中的 xlrd 版本过高导致的,只需重装低版本 xlrd 即可:

pip3 install xlrd==1.2.0

### 使用Python实现Excel数据的归一化 对于已经掌握Excel技能的学习者来说,学习Python能够显著提升处理大规模数据的能力[^1]。当面对超过十万的数据时,采用Python处理更为高效。 为了完成Excel表格内数据的归一化操作,首先需要读取Excel文件中的数据。这可以通过`pandas`库来轻松达成: ```python import pandas as pd df = pd.read_excel('path_to_your_file.xlsx') ``` 接着,在执归一化之前,确保选择了合适的方法。一种常见的做法是利用`sklearn.preprocessing.StandardScaler()`来进标准差标准化(Z-score normalization),这种方法能有效地将特征转换为具有零均值和单位方差的形式[^4]。 下面是完整的代码示例,展示了如何加载Excel文档并对其数值应用标准化变换: ```python from sklearn.preprocessing import StandardScaler import pandas as pd # 加载Excel文件 file_path = 'D:\\Datasets\\geoDetector\\采样结果\\最终版本5000m.xlsx' df = pd.read_excel(file_path) # 假设我们只对前几归一化处理 X = df.iloc[:, :11].values # 前十一为样本矩阵 scaler = StandardScaler() X_scaled = scaler.fit_transform(X) # 将标准化后的数组重新转化为DataFrame对象以便保存回CSV/Excel df_normalized = pd.DataFrame(X_scaled, columns=df.columns[:11]) print(df_normalized.head()) ``` 最后一步是将经过预处理的数据导出至新的CSV或Excel文件中。这里需要注意的是,如果尝试直接调用`.to_csv()`方法于NumPy数组上,则会出现错误提示 `'numpy.ndarray' object has no attribute 'to_csv'`;因此应该先将数组转为Pandas DataFrame后再进此操作[^3]。 上述过程不仅实现了数据的归一化,还提供了从读入原始数据直至输出加工后成果的一整套解决方案。
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