xlsxファイルのReadlines関数が正しく機能しない

Question

目標はセンチメント分類です。手順は、3 xlsxファイルを開いて読み込み、gensim.doc2vecメソッドで処理し、SGDClassificatorで分類することです。 this code on doc2vecを繰り返してみてください。 Pythonの2.7

with open('C:/doc2v/trainpos.xlsx','r') as infile: 
    pos_reviews = infile.readlines() 
with open('C:/doc2v/trainneg.xlsx','r') as infile: 
    neg_reviews = infile.readlines() 
with open('C:/doc2v/unsup.xlsx','r') as infile: 
    unsup_reviews = infile.readlines() 

しかし、それは結果のリストは、それらがあることを期待しているものではないことが判明：

print 'length of pos_reviews is %s' % len(pos_reviews) 
>>> length of pos_reviews is 1 

ファイルは相応18、1221と2203のRAWが含まれています。私はリストには同じ数の要素があると思った。

次のステップは、すべての文を連結することです。

y = np.concatenate((np.ones(len(pos_reviews)), np.zeros(len(neg_reviews)))) 
x_train, x_test, y_train, y_test = train_test_split(np.concatenate((pos_reviews, neg_reviews)), y, test_size=0.2) 

これは

y_train = [0.] 
y_test = [1.] 

この分裂した後、すべての文がラベルを取得しながら、彼らがあるべきなのx-電車、xはテスト文のリストである状況につながる：

def labelizeReviews(reviews, label_type): 
labelized = [] 
for i,v in enumerate(reviews): 
    label = '%s_%s'%(label_type,i) 
    labelized.append(LabeledSentence(v, [label])) 
return labelized 
x_train = labelizeReviews(x_train, 'TRAIN') 
x_test = labelizeReviews(x_test, 'TEST') 
unsup_reviews = labelizeReviews(unsup_reviews, 'UNSUP') 

the numpy documentationで書かれているように、配列のサイズは同じでなければなりません。しかし、大きなファイルを18行に減らすと、何も変わりません。 フォーラムで検索したところ、nooneに似たようなエラーがあります。私は何が間違っていたか、それを修正する方法私の頭を壊しました。手伝ってくれてありがとう！

Answer 1

一般に、readlinesまたはreadのような方法を使用して、Microsoft Excelファイルをテキストファイルとして読み取ることはできません。ファイルを別の形式に変換する前に（良い解決策はcsvモジュールが読み取れる.csvです）、pyexcelとopenpyxlのような特殊なPythonモジュールを使用して.xlsxファイルを直接読み取る必要があります。