python语言写一个用读取exce数据表，把数据表第2，7，9列作为输入，29列作为输出，用随机森林算法经过多次迭代将输出进行预测，把读取数据的前百分之90作为训练集，后百分之10作为测试集，并画出实际与预测曲线。

好的，以下是实现该功能的代码：

import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import r2_score
import matplotlib.pyplot as plt

# 读取Excel数据表
df = pd.read_excel('data.xlsx')

# 取出需要的列作为输入和输出
X = df.iloc[:, [1, 6, 8]].values
y = df.iloc[:, 28].values

# 划分训练集和测试集
train_size = int(len(df) * 0.9)
X_train, y_train = X[:train_size], y[:train_size]
X_test, y_test = X[train_size:], y[train_size:]

# 定义随机森林模型
model = RandomForestRegressor(n_estimators=100, random_state=0)

# 训练模型
for i in range(10):
    model.fit(X_train, y_train)
    y_pred = model.predict(X_test)
    print('Iteration', i+1, 'R2 score:', r2_score(y_test, y_pred))

# 画出实际与预测曲线
plt.plot(y_test, label='Actual')
plt.plot(y_pred, label='Predicted')
plt.legend()
plt.show()

需要注意的是，上述代码中使用了随机森林模型进行预测，其中 n_estimators 参数表示使用的决策树数量，random_state 参数用于设置随机种子，保证每次运行结果一致。另外，由于数据量较小，迭代次数只设置为了 10 次，实际使用时可以根据情况进行调整。