对一组数据注入高斯噪声来扩充样本生成多组数据并导出为excel表格python代码

以下是一个示例代码，用于对一组数据注入高斯噪声，生成多组数据，并将它们导出为Excel表格：

import numpy as np
import pandas as pd

# 定义高斯噪声的参数
mean = 0
stddev = 0.1

# 读取原始数据
df = pd.read_excel('data.xlsx')
data = df.values

# 构建噪声矩阵
noise = np.random.normal(mean, stddev, size=data.shape)

# 将噪声矩阵加到原始数据中
noisy_data = data + noise

# 将生成的多组数据存储到Excel表格中
for i in range(10):  # 生成10组数据
    # 构建噪声矩阵
    noise = np.random.normal(mean, stddev, size=data.shape)

    # 将噪声矩阵加到原始数据中
    noisy_data = data + noise

    # 将数据存储到Excel表格中
    df_noisy = pd.DataFrame(noisy_data, columns=df.columns)
    df_noisy.to_excel(f'noisy_data_{i}.xlsx', index=False)

该示例代码首先定义了高斯噪声的均值和标准差，然后读取了原始数据。接着，代码使用numpy库生成了一个高斯噪声矩阵，并将其加到原始数据中，生成了一组带噪声的数据。最后，代码使用循环生成了10组带噪声的数据，并将它们分别存储到Excel表格中