本文介绍基于Python语言,读取Excel表格文件数据,以其中某一列数据的值为标准,对于这一列数据处于指定范围的所有行,再用其他几列数据的数值,加以数据筛选与剔除;同时,对筛选前、后的数据分别绘制若干直方图,并将结果数据导出保存为一个新的Excel表格文件的方法。
首先,我们来明确一下本文的具体需求。现有一个Excel表格文件,在本文中我们就以.csv
格式的文件为例;其中,如下图所示,这一文件中有一列(在本文中也就是days
这一列)数据,我们将其作为基准数据,希望首先取出days
数值处于0
至45
、320
至365
范围内的所有样本(一行就是一个样本),进行后续的操作。
其次,对于取出的样本,再依据其他4
列(在本文中也就是blue_dif
、green_dif
、red_dif
与inf_dif
这4
列)数据,将这4
列数据不在指定数值区域内的行删除。在这一过程中,我们还希望绘制在数据删除前、后,这4
列(也就是blue_dif
、green_dif
、red_dif
与inf_dif
这4
列)数据各自的直方图,一共是8
张图。最后,我们还希望将删除上述数据后的数据保存为一个新的Excel表格文件。
# -*- coding: utf-8 -*-
"""
Created on Tue Sep 12 07:55:40 2023
@author: fkxxgis
"""
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
original_file_path = "E:/01_Reflectivity/99_Model/02_Extract_Data/26_Train_Model_New/Train_Model_0715_Main_Over_NIR.csv"
# original_file_path = "E:/01_Reflectivity/99_Model/02_Extract_Data/26_Train_Model_New/TEST.csv"
result_file_path = "E:/01_Reflectivity/99_Model/02_Extract_Data/26_Train_Model_New/Train_Model_0715_Main_Over_NIR_New.csv"
df = pd.read_csv(original_file_path)
blue_original = df[(df['blue_dif'] >= -0.08) & (df['blue_dif'] <= 0.08)]['blue_dif']
green_original = df[(df['green_dif'] >= -0.08) & (df['green_dif'] <= 0.08)]['green_dif']
red_original = df[(df['red_dif'] >= -0.08) & (df['red_dif'] <= 0.08)]['red_dif']
inf_original = df[(df['inf_dif'] >= -0.1) & (df['inf_dif'] <= 0.1)]['inf_dif']
mask = ((df['days'] >= 0) & (df['days'] <= 45)) | ((df['days'] >= 320) & (df['days'] <= 365))
range_min = -0.03
range_max = 0.03
df.loc[mask, 'blue_dif'] = df.loc[mask, 'blue_dif'].apply(lambda x: x if range_min <= x <= range_max else np.random.choice([np.nan, x]))
df.loc[mask, 'green_dif'] = df.loc[mask, 'green_dif'].apply(lambda x: x if range_min <= x <= range_max else np.random.choice([np.nan, x]))
df.loc[mask, 'red_dif'] = df.loc[mask, 'red_dif'].apply(lambda x: x if range_min <= x <= range_max else np.random.choice([np.nan, x]))
df.loc[mask, 'inf_dif'] = df.loc[mask, 'inf_dif'].apply(lambda x: x if range_min <= x <= range_max else np.random.choice([np.nan, x], p =[0.9, 0.1]))
df = df.dropna()
blue_new = df[(df['blue_dif'] >= -0.08) & (df['blue_dif'] <= 0.08)]['blue_dif']
green_new = df[(df['green_dif'] >= -0.08) & (df['green_dif'] <= 0.08)]['green_dif']
red_new = df[(df['red_dif'] >= -0.08) & (df['red_dif'] <= 0.08)]['red_dif']
inf_new = df[(df['inf_dif'] >= -0.1) & (df['inf_dif'] <= 0.1)]['inf_dif']
plt.figure(0)
plt.hist(blue_original, bins = 50)
plt.figure(1)
plt.hist(green_original, bins = 50)
plt.figure(2)
plt.hist(red_original, bins = 50)
plt.figure(3)
plt.hist(inf_original, bins = 50)
plt.figure(4)
plt.hist(blue_new, bins = 50)
plt.figure(5)
plt.hist(green_new, bins = 50)
plt.figure(6)
plt.hist(red_new, bins = 50)
plt.figure(7)
plt.hist(inf_new, bins = 50)
df.to_csv(result_file_path, index=False)
首先,我们通过pd.read_csv
函数从指定路径的.csv
文件中读取数据,并将其存储在名为df
的DataFrame中。
接下来,通过一系列条件筛选操作,从原始数据中选择满足特定条件的子集。具体来说,我们筛选出了在blue_dif
、green_dif
、red_dif
与inf_dif
这4
列中数值在一定范围内的数据,并将这些数据存储在名为blue_original
、green_original
、red_original
和inf_original
的新Series中,这些数据为我们后期绘制直方图做好了准备。
其次,创建一个名为mask
的布尔掩码,该掩码用于筛选满足条件的数据。在这里,它筛选出了days
列的值在0
到45
之间或在320
到365
之间的数据。
随后,我们使用apply
函数和lambda
表达式,对于days
列的值在0
到45
之间或在320
到365
之间的行,如果其blue_dif
、green_dif
、red_dif
与inf_dif
这4
列的数据不在指定范围内,那么就将这列的数据随机设置为NaN,p =[0.9, 0.1]
则是指定了随机替换为NaN的概率。这里需要注意,如果我们不给出p =[0.9, 0.1]
这样的概率分布,那么程序将依据均匀分布的原则随机选取数据。
最后,我们使用dropna
函数,删除包含NaN值的行,从而得到筛选处理后的数据。其次,我们依然根据这四列的筛选条件,计算出处理后的数据的子集,存储在blue_new
、green_new
、red_new
和inf_new
中。紧接着,使用Matplotlib创建直方图来可视化原始数据和处理后数据的分布;这些直方图被分别存储在8
个不同的图形中。
代码的最后,将处理后的数据保存为新的.csv
文件,该文件路径由result_file_path
指定。
运行上述代码,我们将得到8
张直方图,如下图所示。且在指定的文件夹中看到结果文件。
至此,大功告成。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。