KNN算法修复Excel数据：Java实现及问题解析

本文将介绍如何使用Java和Apache POI库，利用KNN算法修复Excel表格中的缺失数据。同时，我们也将分析代码中可能导致填充数据重复出现的原因，并提供相应的解决方法。

代码实现javaimport org.apache.poi.ss.usermodel.*;

import java.io.FileInputStream;import java.io.FileOutputStream;import java.text.DecimalFormat;import java.text.ParseException;import java.text.SimpleDateFormat;import java.util.*;

public class knn01 {

public static void main(String[] args) {        // 定义输入文件和输出文件的路径        String inputFile = 'input.xlsx';        try (Workbook workbook = WorkbookFactory.create(new FileInputStream(inputFile))) { // 使用工作簿工厂创建 Excel 工作簿            Sheet sheet = workbook.getSheet('P1'); // 获取 P1 工作表            DecimalFormat df = new DecimalFormat('#.##'); // 创建 Decimal 格式化器，用于保留两位小数            // 创建新的工作表            String newSheetName = 'P1-1';            int sheetIndex = workbook.getSheetIndex(newSheetName);            Sheet newDataSheet;            if (sheetIndex >= 0) {                workbook.removeSheetAt(sheetIndex);            }            newDataSheet = workbook.createSheet(newSheetName);            // 复制原工作表的数据到新的工作表            for (int i = 0; i <= sheet.getLastRowNum(); i++) {                Row oldRow = sheet.getRow(i);                Row newRow = newDataSheet.createRow(i);                if (oldRow != null) {                    for (int j = 0; j < oldRow.getLastCellNum(); j++) {                        Cell oldCell = oldRow.getCell(j);                        Cell newCell = newRow.createCell(j);                        if (oldCell != null) {                            if(oldCell.getCellType() == CellType.STRING){                                newCell.setCellValue(oldCell.getStringCellValue());                            } else if(oldCell.getCellType() == CellType.NUMERIC){                                newCell.setCellValue(oldCell.getNumericCellValue());                            } else if(oldCell.getCellType() == CellType.BOOLEAN){                                newCell.setCellValue(oldCell.getBooleanCellValue());                            } else if(oldCell.getCellType() == CellType.FORMULA){                                newCell.setCellValue(oldCell.getCellFormula());                            } else if(oldCell.getCellType() == CellType.ERROR){                                newCell.setCellValue(oldCell.getErrorCellValue());                            }                            // 复制原单元格的样式到新单元格                            CellStyle oldCellStyle = oldCell.getCellStyle();                            CellStyle newCellStyle = workbook.createCellStyle();                            newCellStyle.cloneStyleFrom(oldCellStyle);                            newCell.setCellStyle(newCellStyle);                        }                    }                }            }            // 对每一行进行处理            for (int i = 1; i <= newDataSheet.getLastRowNum(); i++) {                Row row = newDataSheet.getRow(i); // 获取行对象                if (row != null) {                    Cell cell = row.getCell(1); // 获取第二列单元格                    if (cell == null || cell.getCellType() == CellType.BLANK) { // 判断单元格是否为空或者空白                        double avg = calculateKNN(newDataSheet, i, 1); // 计算KNN邻近算法填充的值                        if (avg > 0) { // 如果填充的值大于 0                            cell = row.createCell(1); // 创建新的单元格                            cell.setCellValue(Double.parseDouble(df.format(avg))); // 将填充的值填入单元格                            // 设置单元格的数据类型为数值类型                            CellStyle cellStyle = workbook.createCellStyle();                            DataFormat dataFormat = workbook.createDataFormat();                            cellStyle.setDataFormat(dataFormat.getFormat('0.00'));                            cell.setCellStyle(cellStyle);                        }                    }                }            }            // 将工作簿写入输入文件            FileOutputStream outputStream = new FileOutputStream(inputFile);            workbook.write(outputStream);            outputStream.close();            System.out.println('Data filling completed.'); // 输出信息        } catch (Exception e) { // 捕获异常            e.printStackTrace();        }    }

// 计算KNN邻近算法填充的值    private static double calculateKNN(Sheet sheet, int rowIndex, int columnIndex) {        List<Double> data = new ArrayList<>(); // 存储数据        for (int i = 0; i <= sheet.getLastRowNum(); i++) { // 对每一行进行处理            Row row = sheet.getRow(i); // 获取行对象            if (row != null) {                Cell cell = row.getCell(columnIndex); // 获取指定列的单元格                if (cell != null && cell.getCellType() == CellType.NUMERIC) {                    data.add(cell.getNumericCellValue()); // 将数据添加到列表中                }            }        }        if (data.size() > 0) { // 如果存在数据            double missingValue = 0; // 缺失值            Row row = sheet.getRow(rowIndex); // 获取当前行对象            if (row != null) {                Cell cell = row.getCell(columnIndex); // 获取指定列的单元格                if (cell != null && cell.getCellType() == CellType.NUMERIC) {                    missingValue = cell.getNumericCellValue(); // 缺失值为单元格中的值                } else if (cell != null && cell.getCellType() == CellType.STRING) {                    try {                        missingValue = Double.parseDouble(cell.getStringCellValue()); // 转换为数字类型                    } catch (NumberFormatException e) {                        missingValue = 0; // 转换失败则缺失值为 0                    }                }            }            if (missingValue > 0) { // 如果缺失值大于 0                return missingValue; // 直接返回缺失值            } else {                List<Double> distances = new ArrayList<>(); // 存储距离                for (double value : data) { // 遍历数据                    double distance = Math.abs(value - missingValue); // 计算距离                    distances.add(distance); // 将距离添加到列表中                }                // 对距离进行排序                distances.sort(Comparator.comparingDouble(o -> o));                int k = 3; // 取前三个最近的邻居                double sum = 0; // 总和                int count = 0; // 计数器                for (int i = 0; i < k && i < distances.size(); i++) { // 对前 k 个最近的邻居进行处理                    double value = data.get(distances.indexOf(distances.get(i))); // 获取对应的值                    sum += value; // 累加值                    count++; // 计数器加 1                }                if (count > 0) { // 如果计数器大于 0                    return sum / count; // 返回平均值                } else {                    return 0; // 否则返回 0                }            }        } else {            return 0; // 如果不存在数据，则返回 0        }    }

// 解析日期    private static Date parseDate(String dateString) {        SimpleDateFormat dateFormat = new SimpleDateFormat('yyyy/MM/dd HH:mm'); // 创建日期格式化器        try {            return dateFormat.parse(dateString); // 解析日期        } catch (ParseException e) { // 捕获异常            e.printStackTrace();            return null; // 返回 null        }    }

}

问题分析：为什么P1-1里通过knn算法补充的内容会是一样的？

在代码中，对于每一行的第二列单元格，如果为空或者空白，就会调用calculateKNN方法计算KNN邻近算法填充的值。calculateKNN方法中，会获取所有数据列表data，并计算缺失值所在行的缺失值missingValue与data中每个值的距离distances。然后，对distances进行排序，并取前k个最近的邻居的值进行累加求和。最后，返回求和结果的平均值。

在P1-1工作表中，对于每一行的第二列单元格，如果为空或者空白，就会调用calculateKNN方法计算填充的值。由于每一行的缺失值missingValue都是相同的，所以在计算距离distances时，所有的距离都是相同的。而在取前k个最近的邻居的值进行累加求和时，由于距离都相同，所以取到的邻居值也是相同的。因此，最后计算得到的平均值也是相同的。

解决方法

如果要避免补充的内容一样，可以尝试以下方法：

调整k的值: 尝试增大k值，以便在计算平均值时考虑更多邻居的影响。2. 修改距离计算方式: 可以根据实际情况，选择更合适的距离计算方式，例如欧氏距离、曼哈顿距离等，使得缺失值所在行的缺失值与data中每个值的距离不都相同。3. 结合其他特征: 如果存在其他特征列，可以将它们也纳入距离计算中，从而更准确地找到最近邻居。

总结

本文介绍了如何使用Java和Apache POI库，利用KNN算法修复Excel表格中的缺失数据，并分析了填充数据重复出现的原因及解决方法。希望本文能帮助您更好地理解和应用KNN算法进行数据修复。