【问题标题】:Time series with matrix带矩阵的时间序列
【发布时间】:2018-10-31 07:58:09
【问题描述】:

我有一个垫子扩展数据,我想分隔每一秒的值。我的矩阵是(7,5,2500)时间序列3维矩阵,想分别获取(7,5,1) ...(7,5,2500)的值并保存

例如

array([155,  33, 129,167,189,63,35
       161, 218,   6,58,36,25,3

       89,63,36,25,78,95,21
       78,52,36,56,25,15,68
       ]],

       [215, 142, 235,
        143, 249, 164],

       [221,  71, 229,
         56,  91, 120],

       [236,   4, 177,
        171, 105,  40])

用于获取此数据的每个部分,例如此矩阵

  [215, 142, 235,
  143, 249, 164]  

我该怎么办?

【问题讨论】:

  • chain = list(itertools.chain(*a)) 其中a 是多维列表。
  • 我想分隔每一秒的值并保存
  • 你的意思是T[1]? (假设您的数组名为T
  • Yes 例如对于第一秒 [155, 33, 129, 161, 218, 6]] 这个值,对于下一秒 [215, 142, 235, 143, 249, 164] 和第三第二个 [236, 4, 177, 171, 105, 40] 和儿子。
  • 我有 (7,5,2500) 矩阵,我想获得 (7,5,1) ,(7,5,2),(7,5,3) 和 的值。 ..儿子一个

标签: python matrix time series


【解决方案1】:
a = [[155,  33, 129, 161, 218,   6],
     [215, 142, 235, 143, 249, 164],
     [221,  71, 229,  56,  91, 120],
     [236,   4, 177, 171, 105,  40]]

print(a[1])

【讨论】:

  • 我有 (7,5,2500) 矩阵,我想获得 (7,5,1) ,(7,5,2),(7,5,3) 和 的值。 ..儿子一个
【解决方案2】:

假设您将数据保存在 numpy 数组中,您可以使用 slicing 来提取您需要的子矩阵。这是一个带有(3,5,3) 矩阵的示例(但该示例可以应用于任何维度):

A = numpy.array([[[1,1,1],
                  [2,2,2],
                  [3,3,3],
                  [4,4,4],
                  [5,5,5]],

                  [[11,11,11],
                  [21,21,21],
                  [31,31,31],
                  [41,41,41],
                  [51,51,51]],

                  [[12,12,12],
                  [22,22,22],
                  [32,32,32],
                  [42,42,42],
                  [52,52,52]]]
sub_matrix_1 = A[:,:,0]
print (sub_matrix_1)

将产生:

[[ 1  2  3  4  5]
 [11 21 31 41 51]
 [12 22 32 42 52]]

编辑:也可以遍历数组以获得第三维数组:

for i in range(A.shape[-1]):
    print (A[:,:,i])
    # Your submatrix is A[:,:,i], you can directly manipulate it

【讨论】:

  • 请告诉我如何保存打印出来的数据?
  • 您可以将其保存在 csv 文件中,但这取决于您的目标。我只是将打印作为示例,但是您可以将打印替换为任何计算。
  • 我的目标是将 sub_matrix 转换为灰度图像并连接所有图像@toti08
  • 如果您认为这个问题没问题,请点赞这个问题。谢谢
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2021-06-17
  • 2021-10-16
  • 2014-07-17
  • 1970-01-01
  • 1970-01-01
  • 2017-10-18
  • 2011-12-29
相关资源
最近更新 更多