python - 使用 Python 如何从 Excel 文件获取输入、定义函数并在该 Excel 文件的新工作表中生成输出？

Question

请帮助我了解如何解决这个问题，我是 Python 初学者。

我有一个特定的任务，我必须从 Excel 文件 (.xlsx) 导入数据并获取“计数”列以在 Python 中执行标准化。

然后在 Numpy 库下定义一个 Python 函数来执行此操作 normalization operation (或将来的任何操作)并将输出(标准化结果)打印到同一 Excel 工作簿中的新工作表

是否可以严格使用 numpy 来完成此任务？*

[ Excel 中使用的公式 -> ( =(A2-MIN($A$2:$A$11))/(MAX($A$2:$A$11)-MIN($A$2:$A$11)) *10 ) 将使用 numpy 翻译为 python 中的函数}

向我提供的说明如下:

import numpy as nd

def normalize (x):
    """ This function has the logic for normalization
    Inputs
    ------
      x: input count 
    Returns
    ------
      the transformed f(x)  
    """
    return x 

示例数据:

<表类=“s-表”> <标题> 计数 常数 <正文> 10 100 20 100 30 100 40 100 50 100 60 100 70 100 80 100 90 100 100 100

这是我到目前为止编写的代码:-

import pandas as pd
import numpy as np

data = pd.read_excel(r"path of file") #import or read excel file
data = data['Count'] #to convert the column into dataframe
data2 = data.to_numpy() #to convert dataframe into numpy array  
print(data2)

def normalize(data2):
    return ((data2 - min(data2))/(max(data2)-min(data2)))*10
  print(normalize(data2))

但是这段代码似乎并不完全符合提供的说明

Answer 1

我假设您的 Excel 文件是 csv 格式，如果不是，您可以打开并保存为 csv 格式的文件。

import numpy as np

#Opening data just with numpy lib
from numpy import genfromtxt
data = genfromtxt('Sample data.csv', delimiter=';') 

#Defining normalize function
def normalize(x,MA,MI):
  return ((x - MI)/(MA-MI))*10

#Cleaning ignored values
data2 = np.delete(data, 1, axis=1)     #Constant
data3 = np.delete(data2, 0, axis=0)    #Column Names

#Precalculating Min and Max
MI=np.amin(data3) 
MA=np.amax(data3)

#Applying function to the array
data4=np.apply_along_axis(normalize,1,data3,MA,MI)

print(data4)

输出数组:

[[ 0.        ]
 [ 1.11111111]
 [ 2.22222222]
 [ 3.33333333]
 [ 4.44444444]
 [ 5.55555556]
 [ 6.66666667]
 [ 7.77777778]
 [ 8.88888889]
 [10.        ]]