重塑 Python 列表以匹配输入层（数据预处理 - Keras - LSTM - MoCap）

Question

美好的一天，

我正在尝试使用多个 excel 文件（运动捕捉数据）作为输入来训练 LSTM。每个 excel 文件代表一个 body 动作，我想在训练集和测试集中使用多个动作来训练网络。下面是单个 excel 文件的示例：

输入的shape是(1, 2751, 93)，输入维度分解：样品：1，时间步长：2751，特征：93

输入自变量 (x) 是人体关节及其位置，因变量 (y) 是每个动作的标签。

提前致谢！

编辑：添加详细代码

# Multiple Sheets
import os
import glob
motionName = []
for ds in glob.glob("*.csv"):
    head, tail = os.path.split(str(ds)) 
    motionName.append(tail)
    print('Motion Name: ', tail)

import pandas as pd
num_rows = 300
samples = 0
datasets = []
activityIndex = []
list_num_features = [[]]
for i, activity in enumerate(motionName):
    data = pd.read_csv('{}'.format(motionName[i]), nrows = num_rows, header=None, skiprows=1)
    list_num_features.append([])
    datasets.append(data)
    #datasets[i].append(data)
    for j in range(0, len(data.columns)):
      list_num_features[i].append(data.columns[j])
      
    activityIndex.append('{}'.format(motionName[i]))
    samples += 1
print('activityIndex : {} '.format(activityIndex))
for i in range(0, len(datasets)-1):
  print('{}'.format(motionName[i]))
  print(datasets[i].head())

输出：

因此，调用 'df.head()' 时获得的预期输出与此输出类似：

我想做的是能够在需要时分别 get/print 每条记录（行）。当使用下面的示例代码加载单个数据帧时我能够做到这一点，但是当尝试将多个数据帧加载到列表中然后尝试使用循环为每个数据帧实现相同的步骤时失败。

# Single Sheet
import pandas as pd
dataset = pd.read_csv('motion.csv')
index = dataset.index
print(len(index))
num_rows = len(index)
dataset.head()

编辑：问题已澄清！

很简单，我现在有的是：

8个数据帧存储在一个列表中（列表形状（8，））
每个数据框形状为 (300,93)

我想做的是将此列表整形为 (8, 300, 93) 以便它与神经网络的输入层相匹配。

因为我不断收到以下错误：

ValueError: cannot reshape array of size 8 into shape (8,300,93)

如果可能的话，我请求澄清，因为我对我为什么会出现这个错误有点含糊不清。

谢谢in-advance！

Answer 1

编写此函数来处理预处理以克服重塑问题。此外，该函数使用 Scikit-Learn 'LabelEncadoer()'.

对标签 (y) 进行编码

## Data Preprocessing 
from sklearn.preprocessing import LabelEncoder
def preprocess_df(df, start, quantity, numRows, df_name):
    x = []
    features = []
    y = []
    label_encoder = LabelEncoder()
    for i in range(start, quantity):
        data = pd.read_csv('{}'.format(df[i]), nrows=numRows, skiprows=1)
        y.append(df[i])
        x.append(data)
        if i == start:    
            for j in range(0, len(data.columns)):
                features.append(data.columns[j])
        if df_name == 'test':
            i = i - start
            print('({}/{}) x[{}]: {}'.format(i+1, (quantity - start), i, x[i].shape))
        else:
            print('({}/{}) x[{}]: {}'.format(i+1, quantity, i, x[i].shape))
    print('{} set (x) shape: {}, {} set (y) shape: {}'.format(df_name, np.array(x).shape, df_name, np.array(y).shape))
    y = np.array(label_encoder.fit_transform(y))
    return np.array(x), y, np.array(features)

重塑 Python 列表以匹配输入层（数据预处理 - Keras - LSTM - MoCap）

Reshape Python List to Match Input Layer (Data preprocessing - Keras - LSTM - MoCap)

python

time-series

multidimensional-array

lstm

data-preprocessing

编辑：添加详细代码

编辑：问题已澄清！