0
我想創建其結構如下訓練數據文件:如何創建從兩個陣列和一個浮點值單numpy的特徵量陣列?
[行數=樣品,列=特點】
所以,如果我有100個樣品和2個功能我np.array的形狀將是(100,2)等
數據
列表波紋管包含路徑串到已經使用方法01.
處理的.nrrd 3D採樣補丁數據文件['/Users/FK/Documents/image/01/subject1F_200.nrrd',
'/Users/FK/Documents/image/01/subject2F_201.nrrd']
讓我們稱之爲目錄dir_01。 出於測試目的,可以使用以下3D補丁。它具有相同的形狀.nrrd文件讀取時:
subject1F_200_PP01 = np.random.rand(128,128, 128)
subject1F_201_PP01 = np.random.rand(128,128, 128)
# and so on...
列表波紋管包含路徑串到已經使用方法02.
['/Users/FK/Documents/image/02/subject1F_200.nrrd',
'/Users/FK/Documents/image/02/subject2F_201.nrrd']
處理的.nrrd 3D採樣補丁數據文件
讓我們稱之爲目錄dir_02。 出於測試目的,可以使用以下3D補丁。閱讀時它具有相同的形狀.nrrd文件:
subject1F_200_PP02 = np.random.rand(128,128, 128)
subject1F_201_PP02 = np.random.rand(128,128, 128)
# and so on...
這兩個對象是相同的,但該補丁數據已經預先處理不同。
特徵函數
爲了計算我需要使用以下功能特性:
- np.median(經常蟒功能,並返回一個值)
- my_own_function1(常規的Python函數,並返回一個np.array)
- my_own_function2(我可以使用MATLAB引擎只訪問和返回np.array)
在這種情況下我最終numpy的陣列應該有(2251)的形狀。因爲我必須從我的3個函數中採樣(行)和251個特徵(列)。
這裏是我的代碼(學分M.法布爾)
閱讀補丁
# Helps me read the files for features 1. and 2. Uses a python .nrrd reader
def read_patches_multi1(files_1):
for file_1 in files_1:
yield nrrd.read(str(file_1))
# Helps me read the files for features 3. Uses a matlab .nrrd reader
def read_patches_multi2(files_2):
for file_2 in files_2:
yield eng.nrrdread(str(file_2))
計算
def parse_patch_multi(patch1, patch2):
# Structure for python .nrrd reader
data_1 , option = patch1
# Structure for matlab .nrrd reader
data_2 = patch2
# Uses itertools to combine single float32 value with np.array values
return [i for i in itertools.chain(np.median(data_1), my_own_function1(data_1), my_own_function2(data_2))]
執行
# Directories
dir_01 = '/Users/FK/Documents/image/01/'
dir_02 = '/Users/FK/Documents/image/02/'
# Method 01 patch data
file_dir_1 = Path(dir_01)
files_1 = file_dir_1.glob('*.nrrd')
patches_1 = read_patches_multi1(files_1)
# Method 02 patch data
file_dir_2 = Path(dir_02)
files_2 = file_dir_2.glob('*.nrrd')
patches_2 = read_patches_multi2(files_2)
# I think the error lies here...
training_file_multi = np.array([parse_patch_multi(patch1,patch2) for (patch1, patch2) in (patches_1, patches_2)], dtype=np.float32)
我嘗試了多種方法,但我一直在收到語法錯誤或錯誤的結構。或下列類型的錯誤:
TypeError: unsupported Python data type: numpy.ndarray
你應該提供可用於調試代碼的樣本數據的形狀。您只是提供了一條數據路徑,這對於可能能夠回答您的問題的人員沒有任何幫助。製作一些可以複製並粘貼到python中的示例數據。 – DJK
補丁數據或路徑包含以下形狀的預處理的統一3D np.arrays:'(128,128,128)',您可以創建任意隨機值,我的函數將計算相關特徵。我說的是你可以使用任何統一的3D numpy陣列:) –
但是,謝謝你的批評。我編輯了這個問題。 –