python - 如何将矩阵从 Matlab 转换为 Python？

Question

我在 Matlab 中有以下我不熟悉的代码:

function segments = segmentEnergy(data, th)
    mag = sqrt(sum(data(:, 1:3) .^ 2, 2));
    mag = mag - mean(mag);

    above = find(mag>=th*std(mag));
    indicator = zeros(size(mag));
    indicator(above) = 1;
    plot(mag); hold on; plot(indicator*1000, 'r')
end

我用 Python 编写了以下函数:

def segment_energy(data, th):
    mag = np.linalg.norm((data['x'], data['y'], data['z']))
    print "This is the mag: " + str(mag)
    mag -= np.mean(mag)

    above = np.where(mag >= th * np.std(mag))
    indicator = np.zeros(mag.shape)
    indicator[above] = 1
    plt.plot(mag)
    plt.plot(indicator * 1000, 'r')
    plt.show()

我得到一个错误:

line 23, in segment_energy
indicator[above] = 1
IndexError: too many indices for array

data 是从包含三轴加速度计数据的 CSV 文件中读取的 pandas DataFrame。加速度计数据的轴是x、y 和z。数据框的列是timestamp、time skipped、x、y、z 和 label 的顺序。

错误是因为 Python 代码中的 mag 是标量，我将其视为矩阵。但是，我不确定他们如何将 mag 转换为 MATLAB 函数中的矩阵。

Answer 1

numpy.linalg.norm 的输出给定您当前调用函数的方式，默认情况下会给您一个标量值。因为 mag 的输出现在是一个标量，由于以下原因，其余代码将无法按预期运行:

1. 使用单个标量执行均值减法将为您提供 0 值(即 mag <- mag - np.mean(mag) --> 0 )。

2. above语句将始终返回单个元素的元组。该元素包含一个长度为 1 且包含索引 0 的 NumPy 数组，表示“数组”的第一个元素(在本例中为标量)满足约束条件。通过使用 np.std 的默认定义，单个常量的标准偏差也始终为 0，因此始终可以满足这一点。 .

3. 调用 shape因为单个标量值是未定义的，它实际上会给你一个空的形状:() .请注意，如果您没有使用 numpy.mean 进行减法, 做 mag.shape实际上会给你一个错误，因为它不是 NumPy 数组。用 np.mean 减去将标量合并为 NumPy 数组。

   观察:

   In [56]: mag = 10
   
   In [57]: type(mag)
   Out[57]: int
   
   In [58]: mag -= np.mean(mag)
   
   In [59]: type(mag)
   Out[59]: numpy.float64
   

4. 最后，调用 indicator创建代码将生成一个空维度数组，并且由于您试图索引一个没有大小的数组，因此它会给您一个错误。

假设mag 观察这个可重现的错误被计算为某个值……比如说……10 和 th = 1 :

In [60]: mag = 10

In [61]: mag -= np.mean(mag)

In [62]: mag.shape
Out[62]: ()

In [63]: th = 1

In [64]: above = np.where(mag >= th * np.std(mag))

In [65]: indicator = np.zeros(mag.shape)

In [66]: indicator
Out[66]: array(0.0)

In [67]: mag
Out[67]: 0.0

In [68]: indicator[above] = 1
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-67-adf9cff7610a> in <module>()
----> 1 indicator[above] = 1

IndexError: too many indices for array

因此，您的解决方案是重新考虑如何编写此函数。 MATLAB 代码假定 data已经是一个二维矩阵，所以他们独立地计算每行的范数或长度。因为我们现在知道输入是 Pandas DataFrame ，我们可以很容易地申请numpy对它的操作就像在 MATLAB 中所做的一样。假设您的列标记为 x , y和 z在你的代码中，每一列都是一个 numpy值数组，只需更改第一行代码。

def segment_energy(data, th):
    mag = np.sqrt(np.sum(data.loc[:, ['x','y','z']]** 2.0, axis=1)) # Change
    mag = np.array(mag) # Convert to NumPy array
    mag -= np.mean(mag)

    above = np.where(mag >= th * np.std(mag))
    indicator = np.zeros(mag.shape)
    indicator[above] = 1
    plt.plot(mag)
    plt.plot(indicator * 1000, 'r')
    plt.show()

代码中的第一条语句是代码在 MATLAB 中的实际 NumPy 翻译。我们使用 loc pandas 的一部分的方法 DataFrame索引您要查找的三列。我们还需要转换为 NumPy 数组，以便进行其余计算。

您还可以使用 numpy.linalg.norm ，但要指定要操作的轴。由于数据是二维的，指定 axis=1计算矩阵的逐行范数:

mag = np.linalg.norm(data.loc[:, ['x', 'y', 'z']], axis=1)

以上将为您将数据合并为一个 NumPy 数组。