数据转换

125404629

现在有一个train1.csv的光谱数据，有855行和890列，现在需要将其转换为三维时间序列数据（855，89，10），将890列平均分成10份，每89列为一个时间维度，每一个时间维度都为其添加时间索引。将转换后的文件保存为train_time.csv

“发生异常: ValueError
Shape of passed values is (855, 890), indices imply (855, 10)
  File "D:\0000可见光2\程序\MiniRocket\Test5.py", line 29, in <module>
    reshaped_df = pd.DataFrame(reshaped_data_2d, columns=time_index.tolist())
ValueError: Shape of passed values is (855, 890), indices imply (855, 10)”

1. import pandas as pd
   
2. import numpy as np
   
3. 
   
4. # 读取CSV文件
   
5. data = pd.read_csv('train1.csv')
   
6. 
   
7. # 将数据转换为NumPy数组
   
8. data_array = data.to_numpy()
   
9. 
   
10. # 将数据重新排列成三维数组（855, 89, 10）
    
11. num_rows, num_cols = data_array.shape
    
12. num_time_dimensions = 10
    
13. num_columns_per_time_dimension = num_cols // num_time_dimensions
    
14. 
    
15. reshaped_data = np.zeros((num_rows, num_columns_per_time_dimension, num_time_dimensions))
    
16. 
    
17. for i in range(num_time_dimensions):
    
18.     start_col = i * num_columns_per_time_dimension
    
19.     end_col = (i + 1) * num_columns_per_time_dimension
    
20.     reshaped_data[:, :, i] = data_array[:, start_col:end_col]
    
21. 
    
22. # 为每个时间维度添加时间索引
    
23. time_index = np.arange(1, num_time_dimensions + 1)
    
24. 
    
25. # 转换为2D数组
    
26. reshaped_data_2d = reshaped_data.reshape(num_rows, -1)
    
27. 
    
28. # 创建新的DataFrame并保存为train_time.csv
    
29. reshaped_df = pd.DataFrame(reshaped_data_2d, columns=time_index.tolist())
    
30. reshaped_df.to_csv('train_time.csv', index=False)
    

复制代码

isdkz

问题的原因在于reshaped_data_2d的形状与time_index的形状不匹配。根据错误提示，传递的值的形状为(855, 890)，而索引暗示的形状为(855, 10)。

解决这个问题的方法是使用reshape函数将reshaped_data转换为2D数组时，指定正确的形状。在这种情况下，我们需要将reshaped_data从形状(855, 89, 10)转换为形状(855, 890)。

以下是修改后的代码：

1. import pandas as pd
   
2. import numpy as np
   
3. 
   
4. # 读取CSV文件
   
5. data = pd.read_csv('train1.csv')
   
6. 
   
7. # 将数据转换为NumPy数组
   
8. data_array = data.to_numpy()
   
9. 
   
10. # 将数据重新排列成三维数组（855, 89, 10）
    
11. num_rows, num_cols = data_array.shape
    
12. num_time_dimensions = 10
    
13. num_columns_per_time_dimension = num_cols // num_time_dimensions
    
14. 
    
15. reshaped_data = np.zeros((num_rows, num_columns_per_time_dimension, num_time_dimensions))
    
16. 
    
17. for i in range(num_time_dimensions):
    
18.     start_col = i * num_columns_per_time_dimension
    
19.     end_col = (i + 1) * num_columns_per_time_dimension
    
20.     reshaped_data[:, :, i] = data_array[:, start_col:end_col]
    
21. 
    
22. # 为每个时间维度添加时间索引
    
23. time_index = np.arange(1, num_columns_per_time_dimension + 1)
    
24. 
    
25. # 转换为2D数组
    
26. reshaped_data_2d = reshaped_data.reshape(num_rows, -1)
    
27. 
    
28. # 创建新的DataFrame并保存为train_time.csv
    
29. reshaped_df = pd.DataFrame(reshaped_data_2d, columns=time_index.tolist())
    
30. reshaped_df.to_csv('train_time.csv', index=False)
    

复制代码

这样修改后的代码应该能够正确地将数据转换为三维时间序列数据，并保存为train_time.csv文件。