如何在Python 3中對頻域數據進行分類？使用（無法將字符串轉換爲浮動）

Question

我從時域轉換後的​​數據幀到頻域：

df = np.fft.fft(df) 

現在我需要使用多種機器學習算法，如隨機森林和高斯的數據進行分類樸素貝葉斯。問題是我不斷收到此錯誤：

could not convert string to float: ' (2.9510193818016135-0.47803712350473193j) '

我試圖將字符串轉換在DataFrame到漂浮，但它仍然給了我同樣的錯誤。

我如何解決這個問題，以獲得我的分類結果？

Answer 1

假設你的結果就像下面的表格，你首先需要轉換爲真正的複雜類型：

In[84]: 
# data setup 
df = pd.DataFrame({'fft':['(2.9510193818016135-0.47803712350473193j)']}) 
df 

Out[84]: 
             fft 
0 (2.9510193818016135-0.47803712350473193j) 

現在轉換爲complex類型：

In[85]: 

df['complex'] = df['fft'].apply(complex) 
df 

Out[85]: 
             fft       complex 
0 (2.9510193818016135-0.47803712350473193j) (2.9510193818-0.478037123505j) 

現在，您可以提取作爲極性使用apply和cmath.polar的座標：

In[86]: 
import cmath 
df['polar_x'],df['polar_y'] = df['complex'].apply(lambda x: cmath.polar(x)[0]), df['complex'].apply(lambda x: cmath.polar(x)[1]) 
df 

Out[86]: 
             fft       complex \ 
0 (2.9510193818016135-0.47803712350473193j) (2.9510193818-0.478037123505j) 

    polar_x polar_y 
0 2.989487 -0.160595 

現在dtypes是兼容的，因此您可以通過浮動列：

In[87]: 
df.dtypes 

Out[87]: 
fft   object 
complex complex128 
polar_x  float64 
polar_y  float64 
dtype: object 

您還可以使用cmath.rect如果需要