在大熊猫数据帧

我有一个熊猫数据框，包含以下领域展开像场：在大熊猫数据帧

ID TYPE_01 TYPE_02 SPRITE 
1 12  8  [Image] 
2 11  9  [Image] 
3 9  nan  [Image] 
4 3  12  [Image] 
5 8  nan  [Image]

TYPE_01和TYPE_02是在图像分类，我会尝试使用机器学习方法进行分类（我我正在使用sklearn）。 SPRITE包含一个64x64 HSV图像，我将用于训练方法。

我想在PCA分解中使用一个尺寸（＃记录，64 * 64 * 3）的大2D矩阵中的图像，但我遇到了一些问题。我设法使用for循环遍历每个记录，但我认为这可能有点低效（我分配了一个新数组，并通过记录扁平图像来分配记录）。

有没有更好的方法来做到这一点使用熊猫/ Numpy？如果使用df.values.shape得到数据帧的形状，我会得到一个(#Records,4)，所以对整个数据帧进行简单的平坦化，拆散或重塑对我没有帮助。

我看了一些类似的问题行this one，但他们并不适用于这种情况。

来源

2017-03-09 hemagso

精灵3d numpy数组？ – James

是的。它们是（64 x 64 x 3），并且在所有记录中具有相同的维度。 – hemagso

您可以将numpy的整形应用于整个Sprites列以平滑它们。（我创建的随机数据来回我的精灵）

df.SPRITE.apply(lambda x: np.reshape(x, -1)) 

Out[1]: 
0 [202, 82, 70, 34, 134, 54, 231, 244, 107, 179,... 
1 [66, 14, 120, 18, 26, 57, 59, 2, 58, 109, 223,... 
2 [47, 227, 1, 102, 51, 110, 83, 220, 101, 161, ... 
Name: SPRITE, dtype: object

如果你想这一切作为一个单一的numpy的阵列，可以将上面的输出传递到vstack

np.vstack(df.SPRITE.apply(lambda x: np.reshape(x, -1))) 

Out[2]: 
array([[202, 82, 70, ..., 145, 226, 97], 
     [ 66, 14, 120, ..., 42, 64, 48], 
     [ 47, 227, 1, ..., 87, 102, 156]])

来源

2017-03-09 01:11:29 James

尝试

np.vstack([i.reshape(1, -1) for i in df.SPRITE.values.tolist()])

未经验证的代码，因为我在手机上

来源

2017-03-09 01:12:31 piRSquared

在大熊猫数据帧

回答

相关问题