Python算法测试结果自动保存至Excel的实现步骤

算法测试数据自动导出至Excel的原理与准备

在进行算法评估时，通常需要针对每个样本的处理结果进行精细化统计。将每个样本的预测详情与漏检、误检数量直接写入表格，能够实现快速筛查与直观定位，显著降低人工核对成本。该方案主要依赖第三方库xlwt进行底层表格渲染。

第1步：安装操作依赖库

目的：获取能够生成.xls格式文件的Python处理模块。入口：系统终端或集成开发环境的命令行界面。动作：执行包管理器安装命令。参数：xlwt。完成状态：终端提示Successfully installed即表示环境就绪，后续代码即可调用该库的基础类。

pip install xlwt

第2步：初始化工作簿与定义表头

目的：创建符合UTF-8编码规范的空白电子表格，并预设数据列名以便对齐导入。入口：Python脚本顶部引入import xlwt。动作：实例化Workbook对象并添加新工作表，随后通过write(row, col, label=...)方法按行列坐标填充标题。关键参数：行号与列号均从0开始计数，第一行为索引0。完成状态：内存中生成一个包含六列标准表头的空表格结构。

myWorkbook = xlwt.Workbook(encoding='utf-8')
mySheet = myWorkbook.add_sheet('Sheet1')

第3步：编写循环写入与汇总逻辑

目的：将各维度测试数据按样本逐行落盘，并在末尾追加整体统计与核心评估指标。入口：构造统一的数据处理函数入口。动作：遍历输入列表，依次写入文件名与四类核心数值；利用循环结束后的当前索引值向下偏移，插入总计行、指标名称行与计算结果行。重要参数：files（样本名数组）、fps/fns/prs/lbs（对应误检/漏检/预测/标签数数组）、savepath（输出路径）。完成状态：调用函数后指定目录生成带数据的.xls文件，且控制台打印出完整的统计摘要。

def write_result_to_excel(files, fps, fns, prs, lbs, savepath='res.xls'):
    # 1. 初始化环境
    myWorkbook = xlwt.Workbook(encoding='utf-8')
    mySheet = myWorkbook.add_sheet('Sheet1')
    
    # 2. 写入表头
    headers = ['样本名称', '目标标签个数', '预测标签个数', '正确预测个数', '错误预测个数', '漏检目标个数']
    for col_idx, header in enumerate(headers):
        mySheet.write(0, col_idx, label=header)
        
    # 3. 逐行写入样本数据
    for i in range(len(files)):
        mySheet.write(i + 1, 0, label=files[i])
        mySheet.write(i + 1, 1, label=lbs[i])
        mySheet.write(i + 1, 2, label=prs[i])
        # 正确预测数通常由标签总数减去漏检数推导得出
        mySheet.write(i + 1, 3, label=lbs[i] - fns[i])
        mySheet.write(i + 1, 4, label=fps[i])
        mySheet.write(i + 1, 5, label=fns[i]) 
        
    # 4. 计算全局总和
    fp_sum = sum(fps)
    fn_sum = sum(fns)
    pr_sum = sum(prs)
    lb_sum = sum(lbs)
    
    # 5. 基于脚本设定公式计算核心指标
    residual = fn_sum / lb_sum * 100
    recall = 100 - residual
    error = fp_sum / pr_sum * 100
    precision = 100 - error
    accuracy = recall * precision / 100
    
    # 6. 追加总计行与指标展示区
    total_row_idx = i + 2
    mySheet.write(total_row_idx, 0, label='总计')
    mySheet.write(total_row_idx, 1, label=lb_sum)
    mySheet.write(total_row_idx, 2, label=pr_sum)
    mySheet.write(total_row_idx, 3, label=lb_sum - fn_sum)
    mySheet.write(total_row_idx, 4, label=fp_sum)
    mySheet.write(total_row_idx, 5, label=fn_sum)
    
    mySheet.write(total_row_idx + 1, 1, label='检出率(%)')
    mySheet.write(total_row_idx + 1, 2, label='漏检率(%)')
    mySheet.write(total_row_idx + 1, 3, label='准确率(%)')
    mySheet.write(total_row_idx + 1, 4, label='误检率(%)')
    mySheet.write(total_row_idx + 1, 5, label='精度(%)')
    
    mySheet.write(total_row_idx + 2, 1, label=recall)
    mySheet.write(total_row_idx + 2, 2, label=residual)
    mySheet.write(total_row_idx + 2, 3, label=precision)
    mySheet.write(total_row_idx + 2, 4, label=error)
    mySheet.write(total_row_idx + 2, 5, label=accuracy)
    
    # 7. 保存文件并打印控制台摘要
    myWorkbook.save(savepath)
    s = '目标标签个数：{0}\n预测标签个数：{1}\n正确预测个数：{2}\n错误预测个数：{3}\n漏检目标个数：{4}\n'.format(lb_sum, pr_sum, lb_sum-fn_sum, fp_sum, fn_sum)
    s += '检出率recall：{0}\n漏检率residual：{1}\n准确率precision：{2}\n误检率error：{3}\n精度accuracy：{4}'.format(recall, residual, precision, error, accuracy)
    print(s)

运行验证与排错参考

执行函数后，检查目标文件夹是否成功生成对应后缀的文件，双击打开确认行列对齐无错位且总计区域数值连续。若控制台抛出ModuleNotFoundError，请返回第一步核对xlwt版本匹配情况。由于循环变量i在Python中会保留最后一次迭代值，代码利用i + 2向下定位总计单元格属于合法写法。如需修改默认存储位置或更改工作表名称，直接在函数签名调整savepath参数或调用add_sheet('新名称')即可。

简要总结

上述流程涵盖了从环境准备、表头初始化到批量数据写入与指标自动汇总的完整链路。开发者只需维护长度一致的输入列表，即可将繁杂的算法验证记录转化为结构化报表，大幅提升复盘效率。以上就是利用Python脚本将算法测试结果自动整理并保存至Excel表格的详细内容，更多关于python数据处理与模型评估工具的资料请关注本站其它相关文章！