如何在我的数据集中找到每个折叠的实例数？

Question

我收到了一个包含数据的 .npz 文件。我探索了数据集，并注意到它有 5 种数据类型：

cell_data = np.load("C:/Users/alexs/Documents/DataMining/cell-data.npz")
cell_data.files

在输出中给出这个：

['images', 'counts', 'folds', 'compressed', 'allow_pickle']

还有图片attached。

我被保证数据集本身有 3 折。计数是每行的 Nx6 矩阵 对应于单个图像补丁，每列对应于 6 种细胞类型（称为 T1、T2、...、T6）。折叠似乎是一个 1xN 矩阵，但我不确定，它包含范围为 {0,2} 的值。

我将如何找出每个折叠的实例数，如果可能的话，我将如何找出折叠的范围，即哪些实例属于哪些折叠（或将实例分组到它们自己的单独数组中表示每个折叠，如 fold1 = x、fold2 = x_2 等）然后为每个折叠绘制直方图，以便分别绘制每种细胞类型的计数（总共 6 个图）？

Answer 1

好的，由于您是编程新手，我将解释索引的工作原理（在 numpy 中，它是 python 中几乎通用的数学库）。

假设我们有一个变量folds，它被定义为：

import numpy as np
folds = np.array([1,1,2,2,1,2,1,0,0,0,1,2,1,2,0,0,2,1])

我们可以通过执行列表推导轻松计算每个折叠的出现次数：

num_folds = 3
fold_counts = [np.sum(folds==I) for I in range(num_folds)]
#will return [5, 7, 6]

当我们将折叠中的每个元素与折叠号 0、1 和 2 进行比较时，这将返回计数（如果元素不等于 I，则返回 false，否则返回 true）。我们可以对布尔值求和（将它们设置为 1）来得到总量。

要回答您的其他问题，我们可以使用类似的代码将图像分成折叠：

#assuming images are in a list:
image_folds = [[images[J] for J in np.where(folds==I)[0]] for I in range(num_folds)]

#assuming images are in an array of size [num_images, width, height, channels]
image_folds = [images[folds==I] for I in range(num_folds)]