3d 陣列的錯誤整形

Question

我正在對形狀為 1536 x 16 x 48 的矩陣進行一些處理。以下是有關此尺寸的一些詳細信息：

• 1536：6秒內收集到的數據
• 16：收集器的數量（在我的情況下是電極）
• 48：樣本數

因此，從 16 個不同的收集器的角度來看，我有 1536 個值的 48 個樣本（代表 6 秒的數據）。

我的目標是對這個矩陣進行一些處理，但首先需要進行一些轉換。

1. 由於 6 秒是一個大序列，我想將每個樣本分成更小的序列，特別是 3 或 2 秒。 例如，1 個 6 秒樣本 (1536) 可以拆分為 2 個 3 秒樣本 (768) 或 3 個 2 秒樣本 (512)。 這個變換矩陣的形狀是 go 從1536x16x48到768x16x96 （3 秒）或512x16x144 （2 秒）。

2. 一旦我有了這個新矩陣，我想重塑它，以便每個觀察者得到一個 2d 矩陣，並且所有值都以列而不是行組織（例如 2 秒拆分： 512x16x144 => 144x512x16 ）。

3. 最后，我現在可以遍歷第 3 維（ 16 ），對每個 2d 矩陣進行一些計算（即快速傅立葉變換）並將它們全部歸約（求和）為一個，以獲得最終的144 x 512矩陣（在 2 秒內 -分割場景）。

以下代碼是我用numpy制作的，但是當我使用這種方法生成的 plot 樣本時，這對我來說顯然是錯誤的。

def generate_fft_data(data,labels, n_seconds_split=3):
    x = 256 * n_seconds_split
    y = 16
    z = 48 * int(6/n_seconds_split)
    data = data.transpose(2,0,1).reshape(x,y,z).transpose(2,0,1)
    fft_data = []
    for electrode in range(data.shape[2]):
        y_t = fft(data[:,:,electrode])
        fft_data.append(np.abs(y_t))
    sum_of_ffts = np.add.reduce(fft_data) 
    return sum_of_ffts

如果需要，我可以提供更多詳細信息。 提前致謝。

Answer 1

你可以試試這個：

def generate_fft_data(data,n_seconds_split=3):
    x_split = 6//n_seconds_split
    # split along 0 axis, stack pieces along the last axis and transpose
    arr = np.dstack(np.split(data, x_split)).transpose(2,0,1)
    fft_data = []
    for electrode in range(arr.shape[2]):
        y_t = fft(arr[:,:,electrode])
        fft_data.append(np.abs(y_t))
    sum_of_ffts = np.add.reduce(fft_data) 
    return sum_of_ffts

Answer 2

In [88]: data = np.ones((1536,16,48))
In [89]:  x = 256 * 3
    ...:  y = 16
    ...:  z = 48 * int(6/3)
In [90]: x,y,z
Out[90]: (768, 16, 96)
In [91]: data.transpose(2,0,1).shape
Out[91]: (48, 1536, 16)
In [92]: data.transpose(2,0,1).reshape(x,y,z).shape
Out[92]: (768, 16, 96)

將 [91] 重塑為 [92] 沒有意義。 它之所以有效，是因為數字“加起來”，但分布混亂。

我認為您想首先將 1536 維度拆分為 (2,768)（或等效的 3），然后將該 2 維度移動到末尾，並將其與 48 重新組合。

細節可能會有所不同，但這是一個這樣的序列：

data1 = data.reshape(2,768,16,48).transpose(1,2,0,3).reshape(768,16,96)