from BP import BPNeuralNetwork import numpy as np import pandas as pd # 读取 Excel 文件并划分数据集 train_input=pd.read_excel('test.xlsx', nrows=100, usecols=[0,1, 2, 3, 4, 5, 6,7,8,9,10,11,12,13,14,15, 16,17,18,19,20,21, 22, 23, 24, 25, 26,27,28,29,30,31, 32, 33, 34]) test_input=pd.read_excel('test.xlsx', skiprows=99, nrows=50, usecols=[0,1, 2, 3, 4, 5, 6,7,8,9,10,11,12,13,14,15, 16,17,18,19,20,21, 22, 23, 24, 25, 26,27,28,29,30,31, 32, 33, 34]) train_output=pd.read_excel('result.xlsx', nrows=100, usecols=[0]) test_output=pd.read_excel('result.xlsx', skiprows=99, nrows=50, usecols=[0]) print(train_input.shape, test_input.shape) print(train_output.shape, test_output.shape) print(train_input)

这段代码读取了一个Excel文件，并将其划分为练集和测试集。首先，使用`pd.read_excel`函数从名为'test.xlsx'的Excel文件中读取前100行作为训练输入数据，并仅使用列索引为0到34的列。接下来，使用相同的方式读取第100行之后的50行作为测试输入数据。接着，使用`pd.read_excel`函数从名为'result.xlsx'的Excel文件中读取前100行作为训练输出数据，并仅使用列索引为0的列。最后，使用相同的方式读取第100行之后的50行作为测试输出数据。

接下来，代码打印了训练输入数据、测试输入数据、训练输出数据和测试输出数据的形状（即行数和列数），以及训练输入数据的内容。

请注意，这段代码使用了`BPNeuralNetwork`类，但是在提供的代码中没有看到该类的导入语句。如果该类定义在另一个文件中，请确保正确地导入它。