我正在尝试创建一个训练数据文件，该数据的结构如下：
[rows =样品，列=特征]
因此，如果我有100个样本和2个特征，则我的np array的形状为（100,2）等。
数据
列表bellow包含了使用方法01。
处理的.NRRD 3D示例patch-data文件的路径串。['/Users/FK/Documents/image/01/subject1F_200.nrrd',
'/Users/FK/Documents/image/01/subject2F_201.nrrd']
让我们调用目录dir_01。为了测试目的，可以使用以下3D补丁。读取时，它的形状与.nrrd文件相同：
subject1F_200_PP01 = np.random.rand(128,128, 128)
subject1F_201_PP01 = np.random.rand(128,128, 128)
# and so on...
列表bellow包含了使用方法02。
处理的.NRRD 3D示例patch-data文件的路径串。['/Users/FK/Documents/image/02/subject1F_200.nrrd',
'/Users/FK/Documents/image/02/subject2F_201.nrrd']
让我们调用目录dir_02。为了测试目的，可以使用以下3D补丁。读取时，它的形状与.nrrd文件相同：
subject1F_200_PP02 = np.random.rand(128,128, 128)
subject1F_201_PP02 = np.random.rand(128,128, 128)
# and so on...
两个受试者都是相同的，但是贴片数据已预处理不同。
。功能功能
为了计算我需要使用以下功能的功能：
- np.median（常规python函数并返回一个值）
- my_own_function1（常规python函数并返回np.array）
- my_own_function2（我只能使用MATLAB引擎访问它并返回NP.Array）
在这种情况下，我的最终Numpy阵列应具有（2,251）形状。由于我必须从3个函数中获取样品（行）和251个功能（列）。
这是我的代码（信用为m.fabré）
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，但是我一直在遇到语法错误或错误的结构。或以下类型错误：
TypeError: unsupported Python data type: numpy.ndarray
我找到了一个解决方案，但似乎不太优雅
我创建两个funciton：
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)
技巧
沿轴1
的两个np。training_file_combined= np.concatenate((training_file_multi1, training_file_multi2), axis=1)
矩阵的形状（2,252）