如何将下面显示的excel函数转换为python代码?
我在excel中有这样一个函数如何将下面显示的excel函数转换为python代码?,python,excel,pandas,numpy,Python,Excel,Pandas,Numpy,我在excel中有这样一个函数 =IF(B17="","",MIN(MAX(CEILING((B17-MIN(B$17:B$46))/((MAX(B$17:B$46)-MIN(B$17:B$46))/10),1),1),10)) 输入: Column1 output 512.96 10 307.41 3 413.76 7 323.65 4 376.84 5 368.79 5 367.77 5 345.65 4 它可以被分解如下 ceiling((min-max)/10, 1)
=IF(B17="","",MIN(MAX(CEILING((B17-MIN(B$17:B$46))/((MAX(B$17:B$46)-MIN(B$17:B$46))/10),1),1),10))
输入:
Column1 output
512.96 10
307.41 3
413.76 7
323.65 4
376.84 5
368.79 5
367.77 5
345.65 4
它可以被分解如下
ceiling((min-max)/10, 1)
max(ceiling, 1)
min(max,10)
我有代码运行,直到天花板功能如下
def point_10_conversion(new_df):
g = ((new_df.sub(new_df.min(axis=0))) / ((new_df.max(axis=0)) - (new_df.min(axis=0))))/10
f = np.around(g.astype(np.double), 3)
ceil = np.ceil(f)
print(ceil)
有人能帮忙把这个excel函数转换成pandas或python代码吗?我使用dataframe进行计算
提前谢谢你 考虑将Pandas系列作为参数传入,以返回与单个单元格运行Excel公式相同长度的系列,以返回相同长度的结果。然后调用Python函数进行单列分配,或者调用with进行选择列或所有列分配
def point_10_conversion(ser):
g = (ser - ser.min()) / ((ser.max() - ser.min())/10)
res = pd.Series(np.ceil(g))
# SERIES APPLY APPROACH (POSSIBLY SLOWER)
# m_res = res.apply(lambda x: min(max(x, 1), 10))
# NUMPY ARRAY APPROACH
m_res = np.minimum(np.maximum(res, 1), 10)
return m_res
# ASSIGN A SINGLE COLUMN
df['Output'] = point_10_conversion(df['Column1'])
# ASSIGN SELECTED MULTIPLE COLUMNS (BY JOINING DFs)
df = pd.concat([df, (df.reindex(['Column1', 'Column2', 'Column3'], axis = 'columns')
.transform(point_10_conversion)
.set_axis(['Col1_Output', 'Col2_Output', 'Col3_Output'],
axis = 'columns', inplace = False)
)],
axis = 1)
# REPLACE ALL COLUMNS (ASSUMING ALL INT/FLOAT TYPES)
df = df.transform(point_10_conversion)
输出(与实际Excel公式输出不匹配OP发布的数字进行比较) Excel Python
- 指定一列
Column1 Output 0 512.96 10.0 1 307.41 1.0 2 413.76 6.0 3 323.65 1.0 4 376.84 4.0 5 368.79 3.0 6 367.77 3.0 7 345.65 2.0
- 分配多个列(使用随机生成的数据)
(单击顶部的Run)有一种方法可以翻译问题中提到的函数,而不必自己编写Python PyCel、Formulas、xlcalculator和Koala等库使用AST将Excel公式转换为Python 我是xlcalculator的项目所有者,因此我将在演示中使用该库。也就是说,其他图书馆很有能力完成这项特殊任务。每个图书馆都有不同的遗产,因此它们有不同的优势 通常,上述库读取Excel文件,将公式转换为Python,然后提供评估功能。Xlcalculator还可以解析一个特制的dict,这正是我在这里利用的优势
从xlcalculator导入模型编译器
从xlcalculator导入模型
从xlcalculator导入计算器
输入命令={
“Sheet1!B16”:“Column1”,
“Sheet1!B17”:512.96,
“Sheet1!B18”:307.41,
“Sheet1!B19”:413.76,
“Sheet1!B20”:323.65,
“Sheet1!B21”:376.84,
“Sheet1!B22”:368.79,
“Sheet1!B23”:367.77,
“Sheet1!B24”:345.65,
“Sheet1!C16”:“操作结果”,
“Sheet1!C17”:10,
“Sheet1!C18”:3,
“Sheet1!C19”:7,
“Sheet1!C20”:4,
“Sheet1!C21”:5,
“Sheet1!C22”:5,
“Sheet1!C23”:5,
“Sheet1!C24”:4,
“Sheet1!D16”:“实际产量(冻糕)”,
“Sheet1!D17”:“=如果(B17=”“,”,最小值(最大值(上限)(B17-MIN(17:46))/(最大值(17:46)-最小值(17:46))/10),1),1),10”),
“Sheet1!D18”:“=如果(B18=”“,”,最小值(最大值(上限)(B18-MIN(B$17:B$46))/(最大值(B$17:B$46)-最小值(B$17:B$46))/10),1),1),10”),
“Sheet1!D19”:“=如果(B19=”“,”,最小值(最大值(上限)(B19-MIN(B$17:B$46))/(最大值(B$17:B$46)-最小值(B$17:B$46))/10),1),1),10”),
“Sheet1!D20”:“=如果(B20=”“,”,最小值(最大值(上限)(B20-MIN(17:46元))/(最大值(17:46元)-最小值(17:46元))/10),1),1),10”),
“Sheet1!D21”:“=如果(B21=”“,”,最小值(最大值(上限)(B21-MIN(17:46元))/(最大值(17:46元)-最小值(17:46元))/10),1),1),10”),
“Sheet1!D22”:“=如果(B22=”“,”,最小值(最大值(上限)(B22-MIN(17:46元))/(最大值(17:46元)-最小值(17:46元))/10),1),1),10”),
“Sheet1!D23”:“=如果(B23=”“,”,最小值(最大值(上限)(B23-MIN(17:46元))/(最大值(17:46元)-最小值(17:46元))/10),1),1),10”),
“Sheet1!D24”:“=如果(B24=”“,”,最小值(最大值(上限)(B24-MIN(B$17:B$46))/(最大值(B$17:B$46)-最小值(B$17:B$46))/10),1),1),10”)”
}
编译器=模型编译器()
my_model=compiler.read_和parse_dict(输入_dict)
evaluator=evaluator(我的_模型)
打印(evaluator.evaluate(“Sheet1!C16”))
打印(“Sheet1!C17”,evaluator.evaluate(“Sheet1!C17”))
打印(“Sheet1!C18”,evaluator.evaluate(“Sheet1!C18”))
打印(“Sheet1!C19”,evaluator.evaluate(“Sheet1!C19”))
打印(“Sheet1!C20”,evaluator.evaluate(“Sheet1!C20”))
打印(“Sheet1!C21”,evaluator.evaluate(“Sheet1!C21”))
打印(“Sheet1!C22”,evaluator.evaluate(“Sheet1!C22”))
打印(“Sheet1!C23”,evaluator.evaluate(“Sheet1!C23”))
打印(“Sheet1!C24”,evaluator.evaluate(“Sheet1!C24”))
打印()
打印(evaluator.evaluate(“Sheet1!D16”))
打印(“Sheet1!D17”,evaluator.evaluate(“Sheet1!D17”))
打印(“Sheet1!D18”,evaluator.evaluate(“Sheet1!D18”))
打印(“Sheet1!D19”,evaluator.evaluate(“Sheet1!D19”))
打印(“Sheet1!D20”,evaluator.evaluate(“Sheet1!D20”))
打印(“Sheet1!D21”,evaluator.evaluate(“Sheet1!D21”))
打印(“Sheet1!D22”,evaluator.evaluate(“Sheet1!D22”))
打印(“Sheet1!D23”,evaluator.evaluate(“Sheet1!D23”))
打印(“Sheet1!D24”,evaluator.evaluate(“Sheet1!D24”))
请与预期的ouptut@sammywemmy分享一些数据,我已经更新了问题的答案likewise@dumb_coder你能不能把它作为文本放在一个代码块中,以及与该输入相关联的输出?这样人们就可以复制/粘贴到他们的解释器中,在解释器上进行实际的尝试…谢谢,什么是
B$17:B$46
-我们这里有所有必要的信息来实际计算这里给出的column1
输出吗?(如果输出的是一个值,或者显示一个column2
列,显示值应该是什么,这将非常方便。)
np.random.seed(3162020)
df = pd.DataFrame({'Column1': [512.96, 307.41, 413.76, 323.65, 376.84, 368.79, 367.77, 345.65],
'Column2': np.random.uniform(350, 500, 8),
'Column3': np.random.uniform(350, 500, 8)})
# ASSIGN SELECTED MULTIPLE COLUMNS
Column1 Column2 Column3 Column1 Column2 Column3
0 512.96 498.143814 465.920589 10.0 10.0 8.0
1 307.41 405.430558 451.238911 1.0 4.0 7.0
2 413.76 355.728386 362.713986 6.0 1.0 1.0
3 323.65 498.231310 363.784559 1.0 10.0 1.0
4 376.84 488.124593 420.322426 4.0 10.0 5.0
5 368.79 469.047969 441.922624 3.0 8.0 7.0
6 367.77 435.742375 492.355799 3.0 6.0 10.0
7 345.65 474.028331 387.297520 2.0 9.0 2.0
# REPLACE ALL COLUMNS (ASSUMING ALL INT/FLOAT TYPES)
Column1 Column2 Column3
0 10.0 10.0 8.0
1 1.0 4.0 7.0
2 6.0 1.0 1.0
3 1.0 10.0 1.0
4 4.0 10.0 5.0
5 3.0 8.0 7.0
6 3.0 6.0 10.0
7 2.0 9.0 2.0
>python stackoverflow.py
OP results
Sheet1!C17 10
Sheet1!C18 3
Sheet1!C19 7
Sheet1!C20 4
Sheet1!C21 5
Sheet1!C22 5
Sheet1!C23 5
Sheet1!C24 4
Actual Output (Parfait)
Sheet1!D17 10.0
Sheet1!D18 1
Sheet1!D19 6.0
Sheet1!D20 1.0
Sheet1!D21 4.0
Sheet1!D22 3.0
Sheet1!D23 3.0
Sheet1!D24 2.0