從.xls類型文件中讀取數據

在寫機器學習算法的時候從UCI下載了一些數據，但是格式不是csv，而是.txt/.data,可以先用excel打開數據，在excel中將數據進行分列后導入python進行操作.

這里說說如何在python中進行簡單的.xls文件讀操作

需要用到的庫：

import xlrd

xlrd 0.9.4下載

安裝：下載后解壓，在win7下打開cmd,使用cd將路徑改為xlrd 0.9.4所在路徑,使用python setup.py install 進行裝完了。

我在http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+%28Diagnostic%29下載了胸腺細胞數據，數據結構是569*32，其中每行是一個細胞樣本的數據，第一列是細胞編號，第二列是細胞類型(1為benign良性，-1為malignant惡性)，第3列到第32列是細胞的特征數據，比如：半徑，紋理，周長等等。如下圖所示：

數據格式

文件存為：wdbc.xls。

1.讀取xls文件

安裝好xlrd庫后，首先將xls文件讀取到python里

book = xlrd.open_workbook("wdbc.xls")

#book.nsheets可以查看到在Book對象中的文件有多少個worksheet

#book.sheet_names()可以查看sheet的名字，結果[u'wdbc']

2.取出xls的sheet

table = book.sheet_by_index(0)#通過索引順序獲取

#table = book.sheet_by_name(u'wdbc')#通過名稱獲取

3,獲取sheet的行列數

#獲取行數，結果為569

nrows = table.nrows

#獲取列數，結果為32

ncols = table.ncols

4.取出行列中數據

這里我們想分別取出細胞類型(label)數據和細胞特性數據(data)，第2列為細胞類型(1為benign良性，-1為malignant惡性)，第3列到第32列是細胞的特征數據。

a.取label數據

table.col_values(1)

#取行的數據是table.row_values(i)

#可以取出第二列的數據label數據，是list類型，不便于操作，需要將它轉化成array類型

label=np.array(table.col_values(1))

#print label.shape,結果為(569,)

b.取data數據

我采用的是使用for循環一列一列的取，從第3類到第32列，每取一列使用append方法添加在list里面，取完后將list轉為array。這時得到的array為(30,569)，和label不對應，改為一行是一個樣本的全部特征值,需要對data取轉置

data=[]

for i in range(2,ncols):

data.append(table.col_values(i))

data=np.array(data)

#data.shape=(30,569)

data=data.T

#data.shape=(569, 30)

其實不用這么麻煩，可以直接把xls存成csv格式，在python中對csv進行操作。

import pandas as pd

data = pd.read_csv("wdbc.csv")

從.mat類型文件中讀取數據

matlab中使用的數據可能存成了.mat的格式

在python中如果要使用.mat中的數據，需要使用到

import scipy.io as sio

在此處我依舊要讀取的是.mat文件中的胸腺細胞數據,文件名train.mat，數據結構依舊包括細胞類型(label)數據和細胞特性數據(data)。

1.讀取.mat文件

data_train = sio.loadmat('train.mat')#讀出的數據是字典

2.獲取.mat文件中的有效數據

要從字典中獲得key為label與data的數據

data_train_label=data_train.get('label')#取出字典里的label

data_train_data=data_train.get('data')#取出字典里的data

3.將數據轉換成需要的格式

這里label是285行的數組，data該為(285,30)的數組

data_train_label=data_train_label.reshape(285,)

data_train_data=data_train_data.T

#使用.shape方法檢驗數據是否滿足要求

總結

以上是生活随笔為你收集整理的python读取xls数据_python_从.mat与.xls类型文件中读取数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。