如何在 Python 3 中对频域数据进行分类？ （无法将字符串转换为浮点数）

Question

我已使用以下方法将 DataFrame 从时域转换为频域：

df = np.fft.fft(df)

现在我需要使用多种机器学习算法对数据进行分类，例如随机森林和高斯朴素贝叶斯。问题是我不断收到此错误：

无法将字符串转换为浮点数：'(2.9510193818016135-0.47803712350473193j)'

我尝试将字符串转换为 DataFrame 中的浮点数，但它仍然给我同样的错误。

如何解决这个问题才能得到我的分类结果？

Answer 1

假设你的结果类似于下面的形式，你首先需要转换成一个真正的复杂类型：

In[84]:
# data setup
df = pd.DataFrame({'fft':['(2.9510193818016135-0.47803712350473193j)']})
df

Out[84]: 
                                         fft
0  (2.9510193818016135-0.47803712350473193j)

现在转换为complex 类型：

In[85]:

df['complex'] = df['fft'].apply(complex)
df

Out[85]: 
                                         fft                         complex
0  (2.9510193818016135-0.47803712350473193j)  (2.9510193818-0.478037123505j)

现在您可以使用apply 和cmath.polar 提取极坐标：

In[86]:
import cmath
df['polar_x'],df['polar_y'] = df['complex'].apply(lambda x: cmath.polar(x)[0]), df['complex'].apply(lambda x: cmath.polar(x)[1])
df

Out[86]: 
                                         fft                         complex  \
0  (2.9510193818016135-0.47803712350473193j)  (2.9510193818-0.478037123505j)   

    polar_x   polar_y  
0  2.989487 -0.160595 

现在dtypes 是兼容的，因此您可以传递浮点列：

In[87]:
df.dtypes

Out[87]: 
fft            object
complex    complex128
polar_x       float64
polar_y       float64
dtype: object

如果需要，您也可以使用cmath.rect