实验数据用python自动批量处理，速来get

本文主要是介绍实验数据用python自动批量处理，速来get，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

本即将毕业工科硕士，编程小白，偶然认识了python，就觉得这东西很牛逼，在网上找了几节python教程视频看完后更加感受到了它的强大之处。在看视频教程的过程中想到能用python把工作学习中的一些繁琐量大的工作变得简单，也就是自动化办公，在具体实现的过程中也遇到了很多问题，好在参阅了各路大神的杰作，将各种困难逐一击破，可能在大神看来解决的办法比较蠢，但终究达到了目的，现在已经在本人所在课题组推广。发这篇博文有三个目的：1.给其他有相同需要的搬砖人提供帮助；2.和大家交流其中一些问题的解决方法；3.希望在各路大神的指点下，能获得更高程度的提升。

先介绍下问题背景。我们实验室有一台热失重分析仪，这台设备基本实验室百分之六十的人都会用到，但是在实验完成后处理实验数据是个大麻烦，少则几十组，多则上百组。

如上图，需要处理的是上百个这样的txt，最后需要处理成下图形式的txt，然后导入Proteus Analysis软件做相关分析。中间的变化主要是去掉了原有的无关内容（如标题，标尾等），只保留第一列、第四列、第五列的数据，第五列的数据由质量转换为失重百分比，每列数据以“，”分隔。

话不多说，先分享全部代码，再做详细解释！

#最终保存的是.txt，适合于热重分析

import numpy as np
import os
import xlrd
import xlwt
from openpyxl import Workbook
from openpyxl.utils import get_column_letter

path=r'D:\Python data save\test\auto work\test data\txt data'  #给出文件路径

files=os.listdir(path)  #得到文件夹下所有文件的名称

fileslens=len(files)  #得到文件夹下有多少个txt文件


for filename in files:

	domain=os.path.abspath(r'D:\Python data save\test\auto work\test data\txt data')

	filename2=os.path.join(domain,filename) #filename2是带路径的文件名

	with open(filename2,'r') as f:   
	

		data=f.readlines()[12:int((len(f.readlines()))-17)]  
	
		f.close()


	lensdata=len(data)

	returnMat=np.zeros((lensdata,5))

	classLabelVector=[]
	
	index=0

	returnMat[0,:]=[1,2,3,4,5]

	returnMat[1,:]=[6,7,8,9,10]

	for line in data:   #遍历文本中的每一行

		line=line.strip()   #删除每一行首尾的空格

		listline=line.split(" ")   #按“ ”分割

		b=[x.strip() for x in listline if x.strip() !='']  #删除每一行内容中的空格

		returnMat[index,:]=b

		index+=1  

	number_row=returnMat.shape[0]

	fixnumber=returnMat[0][4]
		
	for i in range(number_row):	

		returnMat[i][4]=(float(returnMat[i][4])/float(fixnumber))*100


	domain2=os.path.abspath(r'D:\Python data save\test\auto work\test data\xiugai txt data2')


	dest_filename=os.path.join(domain2,filename)


	with open(dest_filename,"w",encoding='utf-8') as m:

		returnMat2=np.zeros((number_row,3))

		classLabelVector=[]
	
		index=0

		returnMat2[0,:]=[1,2,3]

		returnMat2[1,:]=[4,5,6]

		#新建一个returnMat2用来接收returnMat的0，3，4列，第四列通过循环转换为百分比

		for j in range(number_row):

			returnMat2[j][0]=returnMat[j][0]
			returnMat2[j][1]=returnMat[j][3]
			returnMat2[j][2]=returnMat[j][4]

		#写入第一行(第一块)
		m.write(str(returnMat2[0,0]))  #写第一行第一列

		for n in range(1,np.size(returnMat2,1)):

			m.write(','+str(returnMat2[0,n]))  #写第一列后面的列

		#写入第一行后面的行(第二块)
		for k in range(1,np.size(returnMat2,0)):

			m.write('\n'+str(returnMat2[k,0]))

			for f in range(1,np.size(returnMat2,1)):

				m.write(','+str(returnMat2[k,f]))

对这一问题我的解决思路是，先搞定一个文件，再通过for循环，处理文件夹下的每一个文件。

所以，第一步，读取目标文件

domain=os.path.abspath(r'D:\Python data save\test\auto work\test data\txt data')
	#指定想要处理的文件的路径

	filename2=os.path.join(domain,“filename”) 
	#filename是给定路径下要处理的文件名，在这里它是字符串要加双引

	with open(filename2,'r') as f:   
        #读取指定文件
	

		data=f.readlines()[12:int((len(f.readlines()))-17)]  
                #按行读取并赋值给data
                #[12:int((len(f.readlines()))-17)]表示的是只读第13行到倒数17行
	
		f.close()

第二步，处理数据成想要的样子

lensdata=len(data)#读取到内容的总行数

	returnMat=np.zeros((lensdata,5))#建一个同行数、同列数的数组，用来把list数据矩阵化，
#列数是我根据自己的文件数出来的

	classLabelVector=[]
	
	index=0

	returnMat[0,:]=[1,2,3,4,5]

	returnMat[1,:]=[6,7,8,9,10]

	for line in data:   #遍历文本中的每一行

		line=line.strip()   #删除每一行首尾的空格

		listline=line.split(" ")   #按“ ”分割，最后结果中每列数据之间出现不同个数的
#空格，需要删掉空格

		b=[x.strip() for x in listline if x.strip() !='']  #删除每一行内容中的空格

		returnMat[index,:]=b

		index+=1  #把每行数据依次保存到矩阵

	number_row=returnMat.shape[0] #矩阵的行数

	fixnumber=returnMat[0][4] #把第五列的第一个数值赋给fixnumber
		
	for i in range(number_row):	

		returnMat[i][4]=(float(returnMat[i][4])/float(fixnumber))*100
#第五列数据转换成百分比格式

第三步，把处理好的数据写入到目标文件中，保存为txt按原文件名命名

domain2=os.path.abspath(r'D:\Python data save\test\auto work\test data\xiugai txt data2')
#给定要保存到的位置

	dest_filename=os.path.join(domain2,filename)
        #给文件按原文件名命名


	with open(dest_filename,"w",encoding='utf-8') as m:
        

		returnMat2=np.zeros((number_row,3))

		classLabelVector=[]
	
		index=0

		returnMat2[0,:]=[1,2,3]

		returnMat2[1,:]=[4,5,6]

		#新建一个returnMat2用来接收returnMat的0，3，4列

		for j in range(number_row):

			returnMat2[j][0]=returnMat[j][0]
			returnMat2[j][1]=returnMat[j][3]
			returnMat2[j][2]=returnMat[j][4]

                #把最终结果写入到目标文件中
		#写入第一行(第一块)
		m.write(str(returnMat2[0,0]))  #写第一行第一列

		for n in range(1,np.size(returnMat2,1)):

			m.write(','+str(returnMat2[0,n]))  #写第一列后面的列

		#写入第一行后面的行(第二块)
		for k in range(1,np.size(returnMat2,0)):

			m.write('\n'+str(returnMat2[k,0]))

			for f in range(1,np.size(returnMat2,1)):

				m.write(','+str(returnMat2[k,f]))

第四步，实现批量处理

path=r'D:\Python data save\test\auto work\test data\txt data'  #给出文件路径

files=os.listdir(path)  #得到文件夹下所有文件的名称

fileslens=len(files)  #得到文件夹下有多少个txt文件


for filename in files:

	domain=os.path.abspath(r'D:\Python data save\test\auto work\test data\txt data')
	#想要处理的文件的路径

	filename2=os.path.join(domain,filename) 
	#filename是给定路径下要处理的文件名

	with open(filename2,'r') as f:

成功实现批量预处理热失重数据的目标，得到的文件可以直接导入Proteus Analysis软件。另外类似的还写了一个txt转xlsx的代码，用以导入到origin作图，请各位客观大爷们享用。

#最终保存的是.xlsx，适合于origin作图

import numpy as np
import os
import xlrd
import xlwt
from openpyxl import Workbook
from openpyxl.utils import get_column_letter

path=r'D:\Python data save\test\auto work\test data\txt data'  #给出文件路径

files=os.listdir(path)  #得到文件夹下所有文件的名称

fileslens=len(files)  #得到文件夹下有多少个txt文件


for filename in files:

	domain=os.path.abspath(r'D:\Python data save\test\auto work\test data\txt data')

	filename2=os.path.join(domain,filename) #filename2是带路径的文件名

	with open(filename2,'r') as f:   

		data=f.readlines()[12:int((len(f.readlines()))-17)]  
	
		f.close()


	lensdata=len(data)

	returnMat=np.zeros((lensdata,5))

	classLabelVector=[]
	
	index=0

	returnMat[0,:]=[1,2,3,4,5]

	returnMat[1,:]=[6,7,8,9,10]

	for line in data:   #遍历文本中的每一行

		line=line.strip()   #删除每一行首尾的空格

		listline=line.split(" ")   #按“ ”分割

		b=[x.strip() for x in listline if x.strip() !='']  #删除每一行内容中的空格

		returnMat[index,:]=b

		index+=1  


	#创建工作表和工作簿
	wb=Workbook()

	domain2=os.path.abspath(r'D:\Python data save\test\auto work\test data\excel data2')

	filename3=filename[:len(filename)-4]+".xlsx"

	dest_filename=os.path.join(domain2,filename3)
	#r'D:\Python data save\test\auto work\test data\empty_book.xlsx'

	ws1=wb.active

	ws1.title='sheet1'
	

	number_row=returnMat.shape[0]  #获取矩阵（数组）行数

	for j in range(number_row):

		ws1.cell(j+1,1).value=returnMat[j][3]

		
		fixnumber=returnMat[0][4]

		for i in range(number_row):	

			returnMat[i][4]=(float(returnMat[i][4])/float(fixnumber))*100

		ws1.cell(j+1,2).value=returnMat[j][4]


#保存
	wb.save(dest_filename)

小白第一次分享，还请大家批的轻点

这篇关于实验数据用python自动批量处理，速来get的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！

Python教程

实验数据用python自动批量处理，速来get

前端开发

后端开发

移动端开发

数据库

服务器运维

人工智能

区块链

游戏开发

网站运营

大数据/云计算

软件工程

软件/开发工具使用

资讯