如何从两个数组和一个浮点值创建单个 numpy 特征数组？

Question

我正在尝试创建一个结构如下的训练数据文件：

[行 = 样本，列 = 特征]

所以如果我有 100 个样本和 2 个特征，我的 np.array 的形状将是 (100,2) 等。

数据

下面的列表包含使用方法 01 处理的 .nrrd 3D 样本补丁数据文件的路径字符串。

['/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。 出于测试目的，可以使用以下 3D 补丁。读取时与 .nrrd 文件的形状相同：

subject1F_200_PP01 = np.random.rand(128,128, 128)
subject1F_201_PP01 = np.random.rand(128,128, 128)
# and so on...

下面的列表包含使用方法 02 处理的 .nrrd 3D 样本补丁数据文件的路径字符串。

['/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。 出于测试目的，可以使用以下 3D 补丁。读取时与 .nrrd 文件的形状相同：

subject1F_200_PP02 = np.random.rand(128,128, 128)
subject1F_201_PP02 = np.random.rand(128,128, 128)
# and so on...

两个主题都是一样的，只是对补丁数据做了不同的预处理。

特征函数

为了计算特征，我需要使用以下函数：

1. np.median（常规python函数并返回单个值）
2. my_own_function1（常规 python 函数并返回 np.array）
3. my_own_function2（我只能使用 matlab 引擎访问它并返回一个 np.array）

在这种情况下，我的最终 numpy 数组应该具有 (2,251) 形状。因为我必须从我的 3 个函数中采样（行）和 251 个特征（列）。

这是我的代码（感谢 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，但我不断收到语法错误或结构错误。或者下面的类型错误：

TypeError: unsupported Python data type: numpy.ndarray

Answer 1

我找到了一个解决方案，但它似乎不太优雅

我创建了两个函数：

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)

诀窍

沿轴 1 连接两个 np.arrays

training_file_combined= np.concatenate((training_file_multi1, training_file_multi2), axis=1)

矩阵的形状 (2,252)