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)”

import pandas as pd
import numpy as np

# 读取CSV文件
data = pd.read_csv('train1.csv')

# 将数据转换为NumPy数组
data_array = data.to_numpy()

# 将数据重新排列成三维数组（855, 89, 10）
num_rows, num_cols = data_array.shape
num_time_dimensions = 10
num_columns_per_time_dimension = num_cols // num_time_dimensions

reshaped_data = np.zeros((num_rows, num_columns_per_time_dimension, num_time_dimensions))

for i in range(num_time_dimensions):
    start_col = i * num_columns_per_time_dimension
    end_col = (i + 1) * num_columns_per_time_dimension
    reshaped_data[:, :, i] = data_array[:, start_col:end_col]

# 为每个时间维度添加时间索引
time_index = np.arange(1, num_time_dimensions + 1)

# 转换为2D数组
reshaped_data_2d = reshaped_data.reshape(num_rows, -1)

# 创建新的DataFrame并保存为train_time.csv
reshaped_df = pd.DataFrame(reshaped_data_2d, columns=time_index.tolist())
reshaped_df.to_csv('train_time.csv', index=False)

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：

import pandas as pd
import numpy as np

# 读取CSV文件
data = pd.read_csv('train1.csv')

# 将数据转换为NumPy数组
data_array = data.to_numpy()

# 将数据重新排列成三维数组（855, 89, 10）
num_rows, num_cols = data_array.shape
num_time_dimensions = 10
num_columns_per_time_dimension = num_cols // num_time_dimensions

reshaped_data = np.zeros((num_rows, num_columns_per_time_dimension, num_time_dimensions))

for i in range(num_time_dimensions):
    start_col = i * num_columns_per_time_dimension
    end_col = (i + 1) * num_columns_per_time_dimension
    reshaped_data[:, :, i] = data_array[:, start_col:end_col]

# 为每个时间维度添加时间索引
time_index = np.arange(1, num_columns_per_time_dimension + 1)

# 转换为2D数组
reshaped_data_2d = reshaped_data.reshape(num_rows, -1)

# 创建新的DataFrame并保存为train_time.csv
reshaped_df = pd.DataFrame(reshaped_data_2d, columns=time_index.tolist())
reshaped_df.to_csv('train_time.csv', index=False)

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。