如何将矩阵从Matlab转换为Python？

Question

我在Matlab中有以下代码,我不熟悉:

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

我在Python中编写了以下函数:

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()

我收到一个错误:

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

data是DataFrame从包含三轴加速度计数据的CSV文件中读取的大熊猫.加速度计数据的轴x,y和z.用于数据帧的列是timestamp,time skipped,x,y,z,和label以该顺序.

错误是因为mag在Python代码中是标量,我将其视为矩阵.但是,我不确定它们是如何mag在MATLAB函数中变成矩阵的.

Answer 1

默认情况下，给出的输出numpy.linalg.norm将为您提供一个标量值，给出您当前调用该函数的方式。由于 的输出mag现在是标量，因此其余代码将无法按预期运行，原因如下：

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

2. 该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 的 NumPy 数组，其中包含索引 0，表示“数组”的第一个元素（在本例中是标量）满足约束。这始终可以满足，因为通过使用 的默认定义，单个常量的标准差也为 0 np.std。

3. 调用shape单个标量值是未定义的，它实际上会给您一个空形状：()。请注意，如果您没有使用 进行减法numpy.mean，那么mag.shape实际上会给您带来错误，因为它不是 NumPy 数组。相减将np.mean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的数组，并且由于您尝试索引到一个没有大小的数组，因此会出现错误。

观察这个可重现的错误，假设mag计算出的值是某个值......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 代码假设data已经是一个二维矩阵，因此它们独立计算每行的范数或长度。因为我们现在知道输入是 pandas DataFrame，所以我们可以非常轻松地numpy对其应用操作，就像在 MATLAB 中所做的那样。假设您的列被标记为x，y并且z在您的代码中，每列都是一个numpy值数组，只需更改第一行代码即可。

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 MATLAB 中代码的实际 NumPy 翻译。我们使用locpandas 的方法DataFrame来索引您要查找的三列。我们还需要转换为 NumPy 数组才能进行其余的计算。

您也可以使用numpy.linalg.norm，但指定要操作的轴。由于数据是二维的，因此指定axis=1计算矩阵的行范数：

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

上面的代码会将数据合并到 NumPy 数组中。