Java 操纵 Excel 文件数据实现复杂的项目需求
本文来自作者 许玉龙 在 GitChat 上分享 「Java 操纵 Excel 文件数据实现复杂的项目需求」，「阅读原文」查看交流实录。
「文末高能」
编辑 | 哈比
一、明确功能需求
项目功能需求如下图所示，假设有 1000 行数据即 1000 名患者，已知每名患者的西医指标值和医生给出的证候结果。
共有 3 个证候结果：气虚证、肾虚证、阳虚证，列序号分别为 1、2、3 列；值为 1 表示患者存在该证候，值为 0 表示不存在该证候，一个患者可以同时存在多个证候，证候起始和终止序号为 2-4。
共有 12 个西医指标：白细胞、红细胞、血红蛋白等，列序号分别为 4、5、6…，指标值为浮点数值。西医指标起始和终止序号为 5-16。
需求： 对所有数据，考虑每个证候，计算出存在和不存在该证候的两组数据，并对比该两组数据的均值、标准差、Ttest 检验、p 值，从而分析出西医指标对存在该证候的影响、相关性。
每个证候输出一个结果文件，文件中显示所有西医指标的计算结果值，按照 p 值从小到大排序，前几个指标即是对该证候影响较大的指标。
可使用任何语言解决，这里我们先介绍使用 java 解决，感兴趣的也可根据算法框架使用 python 实现，python 解决时代码更为简洁，也更简单。
二、设计算法
充分理解需求的情况下，设计算法框架。
要求遍历所有证候，每个证候单独输出一个文件; 在这个文件中 , 对所有西医指标进行考虑，即遍历所有西医指标；对于每个西医指标，要考虑所有行的记录（即遍历所有行）, 分别计算证候为 0 和为 1 时的西医指标值。
通过上述分析，整体的算法框架需要三层循环 , 第一层为遍历每个证候 , 第二层为遍历每个西医指标 , 第三层为遍历每行记录，伪代码如下:
> For 证候 synIndex 1:6 // 假设有 6 个证候 > 创建证候文件 , 待输出数据 > For 西医指标 med 7:56 // 假设有 50 个西医指标 > 创建动态数组 , 存储指标值以及证候值 > For 每行记录 row > 将西医指标值，根据证候值分别加入不同的动态数组 > End 每行记录 row > 依据数组中的值 , 计算 p 值、t 值、均值等等 . > 将该指标名称、p 值、t 值等信息作为一行，追加写入文件 . > End 西医指标 med > 关闭 csv 文件，考虑下一个证候 > End For 证候
三、设计细节
分组存储西医指标值，由于证候 0 和 1 的个数不确定 , 所以它们数组大小也不确定 , 需要使用动态数组分别存储证候 0 和 1 对应的西医指标值，可采用 vector 或 list 等数据结构来创建动态数组。
这里我们采用 vector 数据结构来创建动态 double 型数组，用于存储西医指标值。
读入及操作 xls 文件，采用导入 jxl 包调用函数读入 xls 文件数据，然后使用
Sheet readsheet = readwb.getSheet(0) 获取第一张 Sheet 表；
int rsColumns = readsheet.getColumns() 获取 Sheet 表中所包含的总列数;
int rsRows = readsheet.getRows() 获取 Sheet 表中所包含的总行数;
readsheet.getCell(j, i).getContents() 取得 j 列 i 行的元素值。并按照算法来操作数据，进行运算处理。
输出 csv 文件，采用 File csv = new File(OutFileName) 创建 CSV 文件，供写数据。
BufferedWriter bw = new BufferedWriter(new FileWriter(csv, false)) 写入新的数据行；需要导入 import java.io.BufferedWriter；计算 Ttest 分析的 t 值和 p 值。
采用函数 Ttest 如下 TTest myttest = new TTest();
t = myttest.t(OneSyndromeofMedArray, ZeroSyndromeofMedArray); p = myttest.tTest(OneSyndromeofMedArray, ZeroSyndromeofMedArray);
其中，OneSyndromeofMedArray 是 double 类型数组，存储证候为 1 的西医指标值，ZeroSyndromeofMedArray 是 double 类型数组，存储证候为 0 的西医指标值。
需导入 import org.apache.commons.math3.stat.inference.TTest;
分别计算证候为 1 和 0 的对应均值和方差，需要导入 org.apache.commons.math3.stat.descriptive.moment.Mean;
import org.apache.commons.math3.stat.descriptive.moment.Variance;
然后声明 Mean mean = new Mean(); // 均值，Variance variance = new Variance();// 方差，计算结果值：
oneGroupMean = mean.evaluate(OneSyndromeofMedArray); oneGroupStd = variance.evaluate(OneSyndromeofMedArray); zeroGroupMean = mean.evaluate(ZeroSyndromeofMedArray); zeroGroupStd = variance.evaluate(ZeroSyndromeofMedArray);
西医指标值存在为空情况，当空值的个数大于数据条数的一半时，不再进行计算处理，设特殊标记表示。
总体算法框架如下图所示：
四、编制代码
依据上述分析，按照算法框架，使用 java 编制代码，其中核心的实现代码如下：
public Boolean exeTtestCmd(){ jxl.Workbook readwb = null; try { InputStream instream = new FileInputStream(filename); readwb = Workbook.getWorkbook(instream); Sheet readsheet = readwb.getSheet(0); // 获取第一张 Sheet 表 Sheet 的下标是从 0 开始 int rsColumns = readsheet.getColumns(); // 获取 Sheet 表中所包含的总列数 int rsRows = readsheet.getRows(); // 获取 Sheet 表中所包含的总行数 System.out.println(" 行数 " +rsRows + " 列数 " +rsColumns); // Cell cell = readsheet.getCell(9, 13); // System.out.println("9 列 13 行的值是 " +cell.getContents()); // 下标从 0 开始，转换到 excel 表格中是 10 列 14 行 for(int synIndex = synstart-1; synIndex < synend; synIndex++)//each syndrome { int medIndexNumber = 1; String SyndromeName = readsheet.getCell(synIndex, 0).getContents();//output filename String OutFileName = "F:/" + SyndromeName + ".csv"; File csv = new File(OutFileName); // 创建 CSV 文件，供写数据 BufferedWriter bw = new BufferedWriter(new FileWriter(csv, false)); // 附加 添加新的数据行 String nameoffirstrow = " 序号 "+ "," +" 西医指标 "+ "," + " 证候为 1 组均值 " + "," + " 证候为 1 组方差 " + "," + " 证候为 0 组均值 " + "," + " 证候为 0 组方差 " + ","+ "t 值 " + "," + " p 值 "; bw.write(nameoffirstrow); bw.newLine(); for(int medIndex = medstart-1; medIndex < medend; medIndex++){ int NoValueCountOfMed = 0; double t, p, t2=0; double oneGroupMean=0, oneGroupStd=0, zeroGroupMean=0, zeroGroupStd=0; Vector 所有源代码以及测试数据见个人主页 http://www.scholat.com/xuyulong, 其他 -→ GitChat 资料分享，点击源代码下载。 下载后导入到本地工程，并将数据文件放置 F 盘根目录，即可运行。 扫描下方二维码，阅读完整原文。
