如何创建从两个阵列和一个浮点值单numpy的特征量阵列？

我想创建其结构如下训练数据文件：如何创建从两个阵列和一个浮点值单numpy的特征量阵列？

[行数=样品，列=特点】

所以，如果我有100个样品和2个功能我np.array的形状将是（100,2）等

数据

列表波纹管包含路径串到已经使用方法01.

处理的.nrrd 3D采样补丁数据文件

['/Users/FK/Documents/image/01/subject1F_200.nrrd', 
'/Users/FK/Documents/image/01/subject2F_201.nrrd']

让我们称之为目录dir_01。出于测试目的，可以使用以下3D补丁。它具有相同的形状.nrrd文件读取时：

subject1F_200_PP01 = np.random.rand(128,128, 128) 
subject1F_201_PP01 = np.random.rand(128,128, 128) 
# and so on...

列表波纹管包含路径串到已经使用方法02.

['/Users/FK/Documents/image/02/subject1F_200.nrrd', 
'/Users/FK/Documents/image/02/subject2F_201.nrrd']

处理的.nrrd 3D采样补丁数据文件

让我们称之为目录dir_02。出于测试目的，可以使用以下3D补丁。阅读时它具有相同的形状.nrrd文件：

subject1F_200_PP02 = np.random.rand(128,128, 128) 
subject1F_201_PP02 = np.random.rand(128,128, 128) 
# and so on...

这两个对象是相同的，但该补丁数据已经预先处理不同。

特征函数

为了计算我需要使用以下功能特性：

np.median（经常蟒功能，并返回一个值）
my_own_function1（常规的Python函数，并返回一个np.array）
my_own_function2（我可以使用MATLAB引擎只访问和返回np.array）

在这种情况下我最终numpy的阵列应该有（2251）的形状。因为我必须从我的3个函数中采样（行）和251个特征（列）。

这里是我的代码（学分M.法布尔）

阅读补丁

# 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))

计算

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))]

执行

# 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)

我尝试了多种方法，但我一直在收到语法错误或错误的结构。或下列类型的错误：

TypeError: unsupported Python data type: numpy.ndarray

来源

2017-09-01 F. K.

你应该提供可用于调试代码的样本数据的形状。您只是提供了一条数据路径，这对于可能能够回答您的问题的人员没有任何帮助。制作一些可以复制并粘贴到python中的示例数据。 – DJK

补丁数据或路径包含以下形状的预处理的统一3D np.arrays：'（128,128,128）'，您可以创建任意随机值，我的函数将计算相关特征。我说的是你可以使用任何统一的3D numpy阵列:) –

但是，谢谢你的批评。我编辑了这个问题。 –

我发现了一个解决方案，但它似乎没有太高雅了

我创建两个funcitons：

def parse_patch_multi1(patch1): 

    # Structure for python .nrrd reader 
    data_1 , option = patch1 

    # Uses itertools to combine single float32 value with np.array values 
    return [i for i in itertools.chain(np.median(data_1), 0) my_own_function1(data_1)] 


def parse_patch_multi2(patch2): 

    # Structure for python .nrrd reader 
    data_2 = patch2 

    # Uses itertools to combine single float32 value with np.array values 
    return [i for i in itertools.chain(my_own_function2(data_2)]

执行

# 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) 

training_file_multi1 = np.array([parse_patch_multi1(patch1) for (patch1) in patches_1], dtype=np.float32) 
training_file_multi2 = np.array([parse_patch_multi2(patch2) for (patch2) in patches_1], dtype=np.float32)

诀窍

将两者连接起来np.arrays沿轴1

training_file_combined= np.concatenate((training_file_multi1, training_file_multi2), axis=1)

基质（2252）

来源

2017-09-03 10:29:33

如何创建从两个阵列和一个浮点值单numpy的特征量阵列？

回答

相关问题