def read_abs_column(file_path): with open(file_path, 'r') as file: lines = file.readlines() abs_column = [] for line in lines[2:]: abs_value = float(line.split(';')[1]) abs_column.append(abs_value) return abs_column

你的代码看起来是正确的，函数`read_abs_column(file_path)`将会从指定的txt文件中读取Abs[A.U.]列，并将其作为一个列表返回。

你可以将多个txt文件的路径传递给这个函数，然后在外部生成矩阵。下面是一个示例：

# 定义一个函数，用于从多个txt文件中读取Abs[A.U.]列并生成矩阵
def generate_matrix(file_paths):
    matrix = []
    for file_path in file_paths:
        abs_column = read_abs_column(file_path)
        matrix.append(abs_column)
    matrix = np.array(matrix).T  # 转置矩阵，将列表转换为矩阵
    return matrix

# 示例用法
file_paths = ['file1.txt', 'file2.txt', 'file3.txt']  # 替换为你的文件路径
result_matrix = generate_matrix(file_paths)
print(result_matrix)

确保将`file1.txt`，`file2.txt`和`file3.txt`替换为你实际的文件路径。然后调用`generate_matrix()`函数传入文件路径列表，它将会返回一个矩阵，其中包含了所有txt文件中的Abs[A.U.]列。

希望这次能满足你的需求！如果还有其他问题，请随时提问。

相关问题

import os import glob def read_files_in_folder(folder_path): file_list = [] for file_path in glob.glob(os.path.join(folder_path, '*')): with open(file_path, 'r') as file: column_data = [line.strip() for line in file.readlines()] # 以行为单位读取文件内容并去除换行符 file_list.append(column_data) return file_list folder_path = 'your_folder_path' file_data_list = read_files_in_folder(folder_path) print(file_data_list) 文件夹里的文件为csv 文件

如果文件夹中的文件是CSV文件，您可以使用Python的csv模块来读取和处理CSV数据。下面是修改后的代码：

import os
import glob
import csv

def read_files_in_folder(folder_path):
    file_list = []
    for file_path in glob.glob(os.path.join(folder_path, '*.csv')):
        with open(file_path, 'r') as file:
            csv_reader = csv.reader(file)
            column_data = []
            for row in csv_reader:
                column_data.append(row)
            file_list.append(column_data)

    return file_list

folder_path = 'your_folder_path'
file_data_list = read_files_in_folder(folder_path)
print(file_data_list)

在这个示例代码中，我们假设文件夹中只包含CSV文件。使用`glob.glob`函数获取所有CSV文件的路径，并使用`open`函数打开每个文件。然后，我们使用`csv.reader`来读取CSV文件中的每一行，并将其添加到`column_data`列表中。最后，将`column_data`添加到`file_list`，并返回该列表。

请记得将 `'your_folder_path'` 替换为您实际的文件夹路径。

class myDataset(Dataset): def __init__(self, csv_file, txt_file, root_dir, other_file): self.csv_data = pd.read_csv(csv_file) with open(txt_file, 'r') as f: data_list = f.readlines() self.txt_data = data_list self.root_dir = root_dir def __ien__(self): return len(self.csv_data) def __getitem__(self, idx): data = (self.csv_data[idx], self.txt_data[idx]) return data

在您提供的代码中，有两个地方出现了错误。

首先，`__ien__` 应该是 `__len__`，表示获取数据集的长度。修正后的代码如下：

import pandas as pd
from torch.utils.data import Dataset

class myDataset(Dataset):
    def __init__(self, csv_file, txt_file, root_dir, other_file):
        self.csv_data = pd.read_csv(csv_file)
        with open(txt_file, 'r') as f:
            data_list = f.readlines()
        self.txt_data = data_list
        self.root_dir = root_dir
    
    def __len__(self):
        return len(self.csv_data)
    
    def __getitem__(self, idx):
        data = (self.csv_data.iloc[idx], self.txt_data[idx])
        return data

其次，在 `__getitem__` 方法中，您正在尝试使用索引访问 `self.csv_data` 和 `self.txt_data`，这样会导致错误。要正确访问数据，请使用 `.iloc` 用于 DataFrame 的索引，以及使用索引访问列表。修正后的代码如下：

import pandas as pd
from torch.utils.data import Dataset

class myDataset(Dataset):
    def __init__(self, csv_file, txt_file, root_dir, other_file):
        self.csv_data = pd.read_csv(csv_file)
        with open(txt_file, 'r') as f:
            data_list = f.readlines()
        self.txt_data = data_list
        self.root_dir = root_dir
    
    def __len__(self):
        return len(self.csv_data)
    
    def __getitem__(self, idx):
        data = (self.csv_data.iloc[idx], self.txt_data[idx])
        return data

这样，您的代码应该能够正常运行了。请注意，我假设您使用了 PyTorch 的 `Dataset` 类来实现您自己的数据集类。如果您使用其他深度学习框架或库，可能需要相应地调整代码。