您提到了两个不同的问题：

• 数据收集：在这里你想从一个excel文件中获取你的数据，用于训练和验证
• 建模你的数据：在这里你想用一个神经网络来做。

对于数据收集，我建议您使用 pandas，这是一个 python 库，它可以从 excel 文件pandas.read_excel以及许多其他源（csv 文件、parquet 文件）中提取数据。然后，一旦您在 python 中获得数据，您就可以尝试使用神经网络来理解它们。我用来学习它的书是 Aurelien Gueron ( https://github.com/ageron/handson-ml ) 的动手机器学习。希望你会发现这很有用。

在去神经网络之前，你还应该看看scikit 学习一个 python 库，当你没有足够的数据来训练神经网络时，它用于机器学习，如果你从 excel 文件中获取数据，我猜你有更少超过 100,000 个数据行，这对于训练神经网络来说可能有点太少了。

您必须将任务分为 3 个部分：

1. 加载数据
2. 训练模型
3. 在验证数据上使用模型

我认为，在你的情况下，第一个和第三个任务相同 - 你必须找到一种方法来加载 excel 文件。如另一个答案中所述，pandas.read_excel可能是您需要的功能。

• 如果两个excel文件具有相同的结构，那么你很高兴
• 如果验证文件不同，您必须加载它并手动调整列名（以及存在的列集）以匹配训练数据。例如，模型会期望相同的输入

如果您的任务的一部分是还在验证文件中输出预测，则在单独的列中，然后查看如何使用pandas.DataFrame.to_excel. 这可能是任务的子任务3，也可能是其自身的新任务：将预测保存在输出文件中。