二分类问题，分类结果为正常或者不正常，正常数据与不正常数据在两个不同的excel中，预测分类数据在新的excel中，请编写一个python代码，实现该功能

针对您的需求，我们可以使用pandas读取数据，sklearn进行预处理和模型训练，然后将结果写入新的Excel文件。这里是一个基本的Python脚本示例：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
import openpyxl

# 读取正常数据和不正常数据
def load_data(normal_file, abnormal_file):
    normal_df = pd.read_excel(normal_file)
    abnormal_df = pd.read_excel(abnormal_file)
    
    # 合并两部分数据
    all_data = pd.concat([normal_df, abnormal_df], ignore_index=True)
    
    return all_data

# 加上类别编码
def encode_labels(data):
    le = LabelEncoder()
    data['target_column'] = le.fit_transform(data['target_column'])
    return data, le

# 数据划分
data = load_data('normal_data.xlsx', 'abnormal_data.xlsx')
data, le = encode_labels(data)
X = data.drop('target_column', axis=1)
y = data['target_column']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型（例如使用Logistic Regression）
model = LogisticRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 创建新的Excel写入预测结果
output_file = "prediction_results.xlsx"
writer = pd.ExcelWriter(output_file, engine='openpyxl')

# 将原始测试数据写入
test_df = data[data.index.isin(y_test.index)]
test_df.to_excel(writer, sheet_name='Original Data', index=False)

# 创建新的工作表写入预测结果
results_sheet = writer.book.create_sheet(title="Prediction Results")
results_sheet.append(['ID', 'Actual Label', 'Predicted Label'])
results_sheet.set_column(0, 0, 15)  # 调整第一列宽度
results_sheet['A1'] = test_df.index.tolist() + ['Actual Label', 'Predicted Label']
results_sheet.iloc[:, 1:] = test_df[['target_column', 'predicted_label']].values

writer.save()

# 输出分类报告作为性能指标
print(classification_report(y_test, y_pred, target_names=[le.inverse_transform([0]), le.inverse_transform([1])]))