Java实现Excel数据修复:基于KNN算法填充缺失值

在数据分析和处理中,我们经常会遇到数据缺失的情况。这些缺失值可能会影响我们分析结果的准确性。为了解决这个问题,我们可以使用各种数据填充技术,其中一种常用的方法是KNN算法。

KNN算法,即K最近邻算法,是一种简单但强大的算法,可以用来填充数值型数据。它的基本思想是:对于一个缺失值的样本,找到距离它最近的K个样本,然后用这K个样本的目标变量的平均值来填充该缺失值。

本文将介绍如何使用Java语言和Apache POI库来实现一个简单的Excel数据修复程序。该程序将使用KNN算法来填充Excel表格中的缺失值。

代码实现java// 导入必要的库package 数据修复;

import 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.getSheetAt(0); // 获取 Excel 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 = '数据补';            int sheetIndex = workbook.getSheetIndex(newSheetName);            Sheet newDataSheet;            if (sheetIndex >= 0) {                newDataSheet = workbook.getSheetAt(sheetIndex);                workbook.removeSheetAt(sheetIndex);            } else {                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) {                        // 如果单元格不为空,则跳过                    } else {                        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                            if(cell == null){ // 如果单元格为空,则创建新的单元格                                cell = row.createCell(1);                            }                            cell.setCellValue(Double.parseDouble(df.format(avg))); // 将填充的值填入单元格                            // 复制原单元格的样式到新单元格                            CellStyle oldCellStyle = row.getCell(0).getCellStyle();                            CellStyle newCellStyle = workbook.createCellStyle();                            newCellStyle.cloneStyleFrom(oldCellStyle);                            cell.setCellStyle(newCellStyle);                        }                    }                }            }            // 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.BLANK) { // 如果单元格为空                    missingValue = 0; // 缺失值为 0                } else if (cell.getCellType() == CellType.NUMERIC) {                    missingValue = cell.getNumericCellValue(); // 缺失值为单元格中的值                } else if (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        }    }

}

代码说明

  1. 导入必要的库: - 代码首先导入了必要的库,包括org.apache.poi.ss.usermodel.*用于操作Excel文件,java.io.* 用于文件读写,java.text.* 用于日期格式化,以及java.util.* 用于使用List和Collections等数据结构。

  2. 主函数 (main method): - 定义输入输出文件路径:代码指定了要修复的Excel文件路径。 - 读取Excel文件: 使用WorkbookFactory读取Excel文件。 - 创建新工作表: 创建一个名为'数据补'的新工作表,用于存放修复后的数据。 - 复制数据和格式: 将原工作表的数据和格式复制到新工作表。 - 填充缺失值: 遍历新工作表,使用calculateKNN函数计算KNN值并填充缺失值,同时保留原单元格格式。 - 保存文件: 将修复后的数据写入Excel文件。

  3. calculateKNN 函数: - 提取数据: 从指定列提取有效数据到一个List中。 - 处理缺失值: 获取当前单元格的值,如果是缺失值,则进行下一步计算。 - 计算距离: 计算当前缺失值与其他所有有效值之间的距离。 - 查找K近邻: 对距离进行排序,找到K个最近的邻居。 - 计算平均值: 计算K个近邻的平均值,并将其作为填充值。

  4. parseDate 函数: - 定义日期格式: 定义了日期字符串的格式。 - 解析日期: 将日期字符串解析为Date对象。

如何使用

  1. 将代码保存为 .java 文件 (例如, knn01.java)。2. 使用Java编译器编译代码: javac knn01.java3. 运行程序: java knn01

注意: - 程序默认修复第二列 (columnIndex = 1) 的数据,可以根据需要修改代码。- KNN算法中的K值默认设置为3,可以根据实际情况调整。

这段代码已经实现了自动解析原数据中每一个单元格的格式,并将其保留到新建的工作表中。在复制原工作表数据到新工作表时,会根据原单元格的类型(字符串、数字、布尔值、公式、错误)来设置新单元格的值,并且会复制原单元格的样式到新单元格中。因此,新建的工作表中的单元格格式与原数据中的单元格格式保持一致。

Java实现Excel数据修复:基于KNN算法填充缺失值

原文地址: https://www.cveoy.top/t/topic/fwlC 著作权归作者所有。请勿转载和采集!

免费AI点我,无需注册和登录