使用#python#解决矩阵的转换问题。

Question

需要使用python将矩阵转换成三列的数据列表。

原始矩阵以Freq.[Hz]为横轴，以分贝数为纵轴，不同温度形成不同的曲线如下图所示：

希望转换成第一列频率（Freq。[Hz]）,第二列温度，第三列分贝（dB）。

数据原始文件

谢谢

Answer 1

你的数据文件有些小问题，大致处理的程序如下。
数据文件 dataM 的形状是 (303104,3)，第一列是 Freq，第二列是 Temp，第三列是 Noise

import pandas as pd
import numpy as np

# 读取数据文件
readPath = "../data/StripLA01SD1.txt"  # 数据文件的地址和文件名
dfFile = pd.read_table(readPath, sep="|", header=0)  # 间隔符为空格，首行为标题行

dfData = dfFile.loc[:, ~dfFile.columns.str.contains("Unnamed")]  # 删除 "Unnamed" 列
print(dfData.head())  # 显示 dfData 前 5 行数据
rows, cols = dfData.shape
print("rows={}, cols={}".format(rows, cols))  # 8192, 38

data = dfData.to_numpy()
title = dfData.columns.values
temp = []
for i in range(1, cols):
    temp.append(eval(title[i]))
lens = len(temp)
# print("Temp", temp)
print("len(Temp)", lens)

datM = np.zeros((rows * lens, 3))  # rows=8192, lens=37
print("datM", datM.shape)  # 8192*37=303104
for l in range(lens):
    for row in range(rows):
        datM[l * (rows) + row, 0] = data[row, 0]  # Freq
        datM[l * (rows) + row, 1] = temp[l]
        datM[l * (rows) + row, 2] = data[row, l+1]
print(datM[:10, :])
print("Freq: min={:.1f}, max={:.1f}".format(datM[:, 0].min(), datM[:, 0].max()))
print("Temp: min={:.1f}, max={:.1f}".format(datM[:, 1].min(), datM[:, 1].max()))
print("Noise: min={:.1f}, max={:.1f}".format(datM[:, 2].min(), datM[:, 2].max()))

Answer 2

根据您描述的问题，需要使用python将矩阵转换为具有三列的数据列，一列是Freq.[Hz] 一列是分贝数，一列是温度，从我对你的问题和需求的理解来看，最后的结构应该是每个Freq[Hz]会对应一列分贝数和一列温度，大概结构如下:
Fre.[Hz] 温度 分贝数
1501.160 -13.53 60
1501.160 -10.53 57
1501.160 -23.53 55
…
对于这样的数据的处理，建议使用python中的pandas进行处理，可以使用dataframe结构进行存储。

Answer 3

用Tolist()方法将数组或矩阵转换为列表，提供参考实例：https://www.zkxjob.com/47166

Answer 4

import pandas as pd

# data=pd.read_csv("你的数据")
# 我new 的数据
# 方法1 循环
data = pd.DataFrame({"Fr": [1123, 1124], "Tem": [60, 60], "57": [-13, -14], "56": [-12, -12]})
new_data=[]
for group_id, group_data in data.groupby(["Fr", "Tem"]):
    db_values = group_data.values[:, 2:].reshape(-1)
    db_name = group_data.columns.values[2:]
    data_one=pd.DataFrame(
        {"Fr": group_data["Fr"].values.tolist() * db_name.size, "Tem": group_data["Tem"].values.tolist() * db_name.size,
         "db_name":db_name, "db_values": db_values})
    new_data.append(data_one)
pd.concat(new_data).to_csv("new_data.csv",index=False)
#方法2 批量
db_name=data.columns.values[2:]
db_name=db_name.tolist()*data.shape[0]
db_values=data.values[:, 2:].reshape(-1)
data_one=pd.DataFrame(
        {"Fr": data["Fr"].values.tolist()*db_name.size, "Tem": data["Tem"].values.tolist() * db_name.size,
         "db_name":db_name, "db_values": db_values})
data_one.to_csv("new_data_one.csv",index=False)

你这个数据要是展开需要四个字段才能表达的清楚数据全部信息 写了两个方法 提供参考 一个是循环 合并 一个是批量处理

Answer 5

我写了个简单的例子

import numpy as np
# 定义原始矩阵
matrix = [[1,2,3,4,5],
          [6,7,8,9,10],
          [11,12,13,14,15]]
# 转换为三列的数据列表
data_list = np.reshape(matrix, (-1, 3))

Answer 6

首先，假设你有一个二维数组，存储了频率和分贝数的值，如下所示：

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

你可以使用 reshape() 函数将矩阵转换为三列的数据列表。
如下:

data_list = matrix.reshape(-1, 3)

这样会将原来的每一行看作一组数据，每一行的三个元素分别对应 Freq.[Hz],分贝数和温度

如果你需要对数据进行更细致的处理，可以使用 numpy 的其他函数，例如：

np.column_stack() 可以将多个一维数组按列堆叠在一起。
np.concatenate() 可以将多个数组沿指定轴连接在一起。
如果你需要存储数据到文件中，你可以使用 numpy 的 savetxt() 函数将数据保存到文本文件中，或者使用 np.save() 函数将数据保存到二进制文件中。

np.savetxt("data.txt", data_list, delimiter=",")
# or 
np.save("data.npy", data_list)

示例：

import numpy as np

# 假设原始矩阵是 matrix
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 将矩阵转换为三列数据列表
data_list = matrix.reshape(-1, 3)

print(data_list)
# 输出： [[1 2 3]
#           [4 5 6]
#           [7 8 9]]

、、回答有用请你采纳、