求助：基于Simpful利用规则对Excel文件进行模糊化处理

步骤1：安装依赖库 #

首先确保安装所需的Python库：

pip install simpful pandas

步骤2：完整实现代码 #

以下是可直接复用的代码，包含Excel读取、数值列识别、模糊规则定义与映射：

import pandas as pd
from simpful import FuzzySet, LinguisticVariable

# 1. 读取目标Excel文件
df = pd.read_excel("你的目标文件路径.xlsx")

# 2. 定义模糊规则对应的语言变量
def init_fuzzy_variables():
    # 年龄的模糊区间规则：50-59标记为FIFTIES
    age_lv = LinguisticVariable(
        {
            "FIFTIES": FuzzySet(points=[(49, 0), (50, 1), (59, 1), (60, 0)]),
            # 可扩展其他区间，比如"FOURTIES": FuzzySet(points=[(39,0), (40,1), (49,1), (50,0)])
        },
        concept="Age"
    )
    
    # EVOL的模糊区间规则：10-15标记为10to15
    evol_lv = LinguisticVariable(
        {
            "10to15": FuzzySet(points=[(9, 0), (10, 1), (15, 1), (16, 0)]),
            # 可扩展其他区间，比如"5to9": FuzzySet(points=[(4,0), (5,1), (9,1), (10,0)])
        },
        concept="EVOL"
    )
    
    # 返回列名与对应语言变量的映射
    return {"Age": age_lv, "EVOL": evol_lv}

# 3. 初始化模糊变量映射
fuzzy_mappings = init_fuzzy_variables()

# 4. 仅对数值型变量应用模糊化处理
numeric_cols = df.select_dtypes(include=["int64", "float64"]).columns
for col in numeric_cols:
    if col in fuzzy_mappings:
        # 对每个数值，匹配对应模糊标签（取匹配度最高的标签）
        lv = fuzzy_mappings[col]
        df[col] = df[col].apply(
            lambda x: max(lv.get_fuzzy_values(x).items(), key=lambda item: item[1])[0]
        )
    # 未定义模糊规则的数值列，保持原数值不变

# 5. 保存处理后的Excel文件
df.to_excel("模糊化处理结果.xlsx", index=False)

关键说明 #

• 模糊集定义：FuzzySet的points参数采用[区间左边界外值, 0, 区间左边界, 1, 区间右边界, 1, 区间右边界外值, 0]格式，确保区间内数值的匹配度为1，精准映射到目标标签。
• 分类变量保留：通过select_dtypes仅筛选数值型列处理，分类列自动保持原有状态。
• 规则扩展：如需添加其他数值列的模糊规则，只需在init_fuzzy_variables函数中新增对应的LinguisticVariable，并更新映射字典即可。

内容的提问来源于stack exchange，提问作者SVP