forked from DangYi4113/SampleFilter
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathget_paras.py
108 lines (95 loc) · 4.56 KB
/
get_paras.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
import pandas as pd
import sys
writer_info = '更多问题，可联系作者，邮箱 [email protected]'
def get_paras(filename='参数表.xlsx'):
part1 = pd.read_excel(filename,sheet_name='必须填充的')
part2 = pd.read_excel(filename,sheet_name='样本比较过程中的参数（可不修改）')
try:
data_filename = part1['数据表文件名'].iloc[0]
data_sheetname = part1['数据表sheet名'].iloc[0]
data_extraline_num = int(part1['数据表开头额外行数（默认为0）'].iloc[0])
except:
print('数据表文件名或sheet名 未能正确识别，请核对 参数表.xlsx 文件中的sheet——必须填充的')
input(writer_info)
sys.exit(0)
try:
model_reg = part1['回归模型'].iloc[0]
method_reg = part1['回归方法'].iloc[0]
except:
print('回归模型或回归方法未能正确识别，请核对 参数表.xlsx 文件中的sheet——必须填充的')
input(writer_info)
sys.exit(0)
else:
if model_reg == '线性回归':
if not method_reg in ['pinv','qr']:
method_reg = 'pinv'
elif model_reg in ['Logit','Probit']:
if not method_reg in ['newton','nm','bfgs','lbfgs','powell','cg','ncg','basinhopping','minimize']:
method_reg = 'newton'
try:
xlist0 = list(part1['自变量'].dropna().drop_duplicates().astype('str'))
except:
print('自变量未能正确识别，请核对 参数表.xlsx 文件中的sheet——必须填充的')
input(writer_info)
sys.exit(0)
try:
y_name = part1['因变量'].iloc[0]
except:
print('因变量未能正确识别，请核对 参数表.xlsx 文件中的sheet——必须填充的')
input(writer_info)
sys.exit(0)
try:
t_above = list(part1['需要系数为正的自变量'].dropna().drop_duplicates().astype('str'))
t_below = list(part1['需要系数为负的自变量'].dropna().drop_duplicates().astype('str'))
p_alpha = list(part1['需要P值足够小的自变量'].dropna().drop_duplicates().astype('str'))
p_alpha_list = []
t_above_list = []
t_below_list = []
for i in t_above:
t_above_list.append(xlist0.index(i)+1)
for i in t_below:
t_below_list.append(xlist0.index(i)+1)
for i in p_alpha:
p_alpha_list.append(xlist0.index(i)+1)
except:
print('需要调整的变量 未能正确识别，请核对 参数表.xlsx 文件中的sheet——必须填充的')
input(writer_info)
sys.exit(0)
try:
alpha = part2.iloc[0]['alpha']
const_dict = {'是':True,'否':False}
const_bool = const_dict[part2.iloc[0]['是否包含常数项']]
lr = part2.iloc[0]['初始样本的样本量占总样本比例的下限']
rr = part2.iloc[0]['初始样本的样本量占总样本比例的上限']
iteration = int(part2.iloc[0]['每次寻找初始样本时，最大重复次数'])
N = int(part2.iloc[0]['重复整个过程的批次数'])
d = int(part2.iloc[0]['输出结果的小数位数'])
except:
print('迭代过程中的参数 未能正确识别，请核对 参数表.xlsx 文件中的sheet——默认参数')
input(writer_info)
sys.exit(0)
print('''以下参数已经成功识别：
数据表文件：%s；
Sheet名：%s；
从这个Sheet的第%d行开始读取数据；
回归模型：%s；
回归方法: %s；
自变量：%s；
因变量：%s；
需要系数为正的自变量：%s；
需要系数为负的自变量：%s；
需要P值足够小的自变量：%s；
alpha：%.03f；
是否包含常数项：%s
初始样本的样本量占总样本比例的下限：%.03f；
初始样本的样本量占总样本比例的上限：%.03f；
每次寻找初始样本时，最大重复次数：%d；
重复整个过程的批次数：%d；
结果文件中，回归模型保留的小数位数：%d。''' % (data_filename, data_sheetname, data_extraline_num+1,\
model_reg, method_reg, ','.join(xlist0), y_name, \
','.join(t_above), ','.join(t_below), ','.join(p_alpha), \
alpha, const_bool, lr, rr, iteration, N, d))
return data_filename,data_sheetname,data_extraline_num,\
model_reg, method_reg,\
xlist0,y_name,t_above_list,t_below_list,p_alpha_list, \
alpha,const_bool,lr,rr,iteration,N,d