读取当前目录下名字为原始csv文件夹的csv,将csv文件的每列按窗口切片,计算均值、方差、小波1-16的能量值,生成csv文件后存储到名字为特征csv文件目录下,并按原csv文件名+列命名

时间: 2024-04-14 19:26:37 浏览: 14
你可以使用Python的pandas库和os库来完成这个任务。以下是一个示例代码: ```python import os import pandas as pd import numpy as np import pywt # 定义窗口大小和步长 window_size = 100 step_size = 50 # 获取当前目录路径 current_dir = os.getcwd() # 创建特征csv文件目录 feature_dir = os.path.join(current_dir, '特征csv文件目录') if not os.path.exists(feature_dir): os.makedirs(feature_dir) # 获取当前目录下名字为原始csv文件夹的csv文件 csv_files = [file for file in os.listdir(current_dir) if os.path.isdir(file) and file == '原始csv文件夹'] if len(csv_files) == 0: print("未找到名为'原始csv文件夹'的文件夹") exit() csv_dir = os.path.join(current_dir, csv_files[0]) # 遍历原始csv文件夹中的csv文件 for file in os.listdir(csv_dir): # 读取csv文件 df = pd.read_csv(os.path.join(csv_dir, file)) # 获取原始数据的列名 column_names = df.columns # 创建新的DataFrame用于存储结果 result_df = pd.DataFrame(columns=[f'{file}_{col}_mean' for col in column_names] + [f'{file}_{col}_var' for col in column_names] + [f'{file}_{col}_energy' for col in column_names]) # 对每列进行窗口切片、计算统计指标和能量值 for col in column_names: col_data = df[col] num_windows = (len(col_data) - window_size) // step_size + 1 for i in range(num_windows): window_data = col_data[i*step_size : i*step_size + window_size] # 计算均值和方差 mean_value = np.mean(window_data) var_value = np.var(window_data) # 计算小波能量值 coeffs = pywt.wavedec(window_data, 'db4', level=16) energy_values = [np.sum(np.square(coeff)) for coeff in coeffs] # 将结果添加到新的DataFrame row = [mean_value] + [var_value] + energy_values result_df.loc[i] = row # 将结果保存为新的csv文件 result_file = f'{file}_result.csv' result_path = os.path.join(feature_dir, result_file) result_df.to_csv(result_path, index=False) print("特征csv文件生成完成") ``` 以上代码会在当前目录下查找名为'原始csv文件夹'的文件夹,读取其中的csv文件,并对每列进行窗口切片、计算均值、方差和小波1-16的能量值。然后将结果保存到名为'特征csv文件目录'的文件夹下,并按原csv文件名+列命名。请确保在当前目录下存在'原始csv文件夹',并将'特征csv文件目录'替换为你想要存储特征csv文件的目录名。

相关推荐

最新推荐

recommend-type

C#利用Random得随机数求均值、方差、正态分布的方法

主要介绍了C#利用Random得随机数求均值、方差、正态分布的方法,涉及C#数学运算及概率统计的相关技巧,需要的朋友可以参考下
recommend-type

基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解

主要介绍了基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

微信小程序-番茄时钟源码

微信小程序番茄时钟的源码,支持进一步的修改。番茄钟,指的是把工作任务分解成半小时左右,集中精力工作25分钟后休息5分钟,如此视作种一个“番茄”,而“番茄工作法”的流程能使下一个30分钟更有动力。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这