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

=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