1

我想重塑我的 24x20 矩阵'A'，这些矩阵是从文本文件中提取的'B'，并在通过循环'C'进行规范化之前和之后保存，def normalize()这样每个循环将是一行，其中 3 个矩阵的所有元素并排，如下所示：

[[A(1,1),B(1,1),C(1,1),A(1,2),B(1,2),C(1,2),...,A(24,20),B(24,20),C(24,20)] #cycle1
 [A(1,1),B(1,1),C(1,1),A(1,2),B(1,2),C(1,2),...,A(24,20),B(24,20),C(24,20)] #cycle2
 [A(1,1),B(1,1),C(1,1),A(1,2),B(1,2),C(1,2),...,A(24,20),B(24,20),C(24,20)]] #cycle3

到目前为止，根据@odyse 的建议，我在 for 循环的末尾使用了以下代码段：

for cycle in range(cycles):
dff = pd.DataFrame({'A_norm':A_norm[cycle] , 'B_norm': B_norm[cycle] , 'C_norm': C_norm[cycle] } , index=[0])
D = dff.as_matrix().ravel()
if cycle == 0:
    Results = np.array(D)
else:
    Results = np.vstack((Results, D2))
np.savetxt("Results.csv", Results, delimiter=",")

但是当我def normalize()在for循环中使用after时出现问题，尽管它有错误（ValueError）它也有warning FutureWarning: Method .as_matrix will be removed in a future version. Use .values instead它D = dff.as_matrix().ravel()并不重要但现在因为它是FutureWarning但是我通过使用检查了3个周期的输出形状是否正确print(data1.shape)它是(3, 1440)，它是 3 行作为 3 个周期，列数应该是 3 倍 480= 1440 但总之不是稳定的解决方案。

完整的脚本如下：

import numpy as np
import pandas as pd
import os

def normalize(value, min_value, max_value, min_norm, max_norm):
    new_value = ((max_norm - min_norm)*((value - min_value)/(max_value - min_value))) + min_norm
    return new_value

#the size of matrices are (24,20)
df1 = np.zeros((24,20))
df2 = np.zeros((24,20))
df3 = np.zeros((24,20))


#next iteration create all plots, change the number of cycles
cycles = int(len(df)/480)
print(cycles)
for cycle in range(3):
    count =  '{:04}'.format(cycle)
    j = cycle * 480
    new_value1 = df['A'].iloc[j:j+480]
    new_value2 = df['B'].iloc[j:j+480]
    new_value3 = df['C'].iloc[j:j+480]
    df1 = print_df(mkdf(new_value1))
    df2 = print_df(mkdf(new_value2))
    df3 = print_df(mkdf(new_value3))              
    for i in df:
        try:
            os.mkdir(i)
        except:
            pass
        min_val = df[i].min()
        min_nor = -1
        max_val = df[i].max()
        max_nor = 1
        ordered_data = mkdf(df.iloc[j:j+480][i])
        csv = print_df(ordered_data)
        #Print .csv files contains matrix of each parameters by name of cycles respectively
        csv.to_csv(f'{i}/{i}{count}.csv', header=None, index=None)            
        if 'C' in i:
            min_nor = -40
            max_nor = 150
            #Applying normalization for C between [-40,+150]
            new_value3 = normalize(df['C'].iloc[j:j+480], min_val, max_val, -40, 150)
            C_norm = print_df(mkdf(new_value3))
            C_norm.to_csv(f'{i}/norm{i}{count}.csv', header=None, index=None)  
        else:
            #Applying normalization for A,B between    [-1,+1]
            new_value1 = normalize(df['A'].iloc[j:j+480], min_val, max_val, -1, 1)
            new_value2 = normalize(df['B'].iloc[j:j+480], min_val, max_val, -1, 1)
            A_norm = print_df(mkdf(new_value1))
            B_norm = print_df(mkdf(new_value2))
            A_norm.to_csv(f'{i}/norm{i}{count}.csv', header=None, index=None) 
            B_norm.to_csv(f'{i}/norm{i}{count}.csv', header=None, index=None)
    dff = pd.DataFrame({'A_norm':A_norm[cycle] , 'B_norm': B_norm[cycle] , 'C_norm': C_norm[cycle] } , index=[0])
    D = dff.as_matrix().ravel()
    if cycle == 0:
        Results = np.array(D)
    else:
        Results = np.vstack((Results, D))
    np.savetxt("Results.csv", Results , delimiter=',', encoding='utf-8')
#Check output shape whether is (3, 1440) or not 
data1 = np.loadtxt('Results.csv', delimiter=',')
print(data1.shape)

注1：我的数据是txt文件如下：

id_set: 000
     A: -2.46882615679
     B: -2.26408246559
     C: -325.004619528

注2： 我在文本文件中提供了一个数据集 3 个周期： 文本数据集

注意 3：为了将 A、B、C 参数按正确顺序映射到矩阵中，我使用了print_df() mkdf()函数，但由于将其简化为核心问题，因此我没有提及，仅在本文开头留下一个最小示例。如果您需要，请告诉我。

预期结果应该通过完成for 循环来完成'A_norm'，它们分别表示'B_norm','C_norm'的标准化版本'A'，输出让我们称之为“Results.csv”应该是可逆的，可以通过循环重新生成, ,矩阵再次将它们保存在 csv 中。用于控制的文件，因此如果您对反向部分有任何想法，请单独提及，否则只需通过使用来控制它，它应该是(3, 1440)。祝你有美好的一天，提前感谢！'B''C''A''B''C'print(data.shape)

4

0 回答 0