修改程序df1 = pd.read_csv('image_3_2.txt', sep='\t', header=None, error_bad_lines=False) df2 = pd.read_csv('image_6.txt', sep='\t', header=None, error_bad_lines=False) tree = KDTree(df2.iloc[:, :2].values) k = 4 distances, indices = tree.query(df1.iloc[:, :2].values, k=k) values = df2.iloc[indices[:, 1:], 2].values mean_values = values.mean(axis=1) df1.iloc[:, 2] = mean_values df1.to_csv('4.txt', sep='\t', header=None, index=None)

你的修改看起来是正确的，但是我建议你在读取文件时使用参数 na_values='?' 来将 '?' 转换为 NaN 值，以便更好地处理缺失值。下面是修改后的程序：

import pandas as pd
from scipy.spatial import KDTree

df1 = pd.read_csv('image_3_2.txt', sep='\t', header=None, error_bad_lines=False, na_values='?')
df2 = pd.read_csv('image_6.txt', sep='\t', header=None, error_bad_lines=False, na_values='?')

tree = KDTree(df2.iloc[:, :2].values)
k = 4
distances, indices = tree.query(df1.iloc[:, :2].values, k=k)

values = df2.iloc[indices[:, 1:], 2].values
mean_values = values.mean(axis=1)

df1.iloc[:, 2] = mean_values
df1.to_csv('4.txt', sep='\t', header=None, index=None)

这样做可以帮助你更好地处理缺失值，避免程序出现异常。

相关问题

程序运行提示ValueError: too many values to unpack (expected 2)，修改程序df1 = pd.read_csv('image_3_2.txt', sep='\t', header=None, error_bad_lines=False) df2 = pd.read_csv('image_6.txt', sep='\t', header=None, error_bad_lines=False) tree = KDTree(df2.iloc[:, :2].values) k = 4 distances, indices = tree.query(df1.iloc[:, :2].values, k=k) values = df2.iloc[indices[:, 1:], 2].values mean_values = values.mean(axis=1) df1.iloc[:, 2] = mean_values df1.to_csv('4.txt', sep='\t', header=None, index=None)

这个错误通常是由于读取的文件内容与程序期望的不符合导致的。在这个程序中，错误可能是由于读取的两个文件中的行数或者列数不同导致的。通过在读取文件时添加参数 error_bad_lines=False，程序将跳过一些格式错误的行，但这并不是完美的解决方案，因为跳过的行可能会导致程序的其他部分出现问题。你可以尝试检查一下文件的格式并且确保文件中每一行的列数都是一致的，或者尝试使用其他的文件读取方式或库来读取你的文件。

根据上述代码，改写下列程序try: df1 = pd.read_csv('image_3_2.txt', sep='\t', header=None, error_bad_lines=False, na_values='?') df2 = pd.read_csv('image_6.txt', sep='\t', header=None, error_bad_lines=False, na_values='?') tree = KDTree(df2.iloc[:, :2].values) k = 4 distances, indices = tree.query(df1.iloc[:, :2].values, k=k) values = df2.iloc[indices[:, 1:], 2].values mean_values = values.mean(axis=1) df1.iloc[:, 2] = mean_values df1.to_csv('4.txt', sep='\t', header=None, index=None) except Exception as e: print("Error: ", e)

根据上述代码，改写后的程序如下：

try:
    points3D = pd.read_csv('points3D.txt', sep='\t', header=None, error_bad_lines=False, na_values='?')
    skeleton = cv2.imread('skeleton.jpg', cv2.IMREAD_GRAYSCALE)
    tree = KDTree(points3D.iloc[:, :2].values)
    with open("./voc/skelon/3d/result.txt", 'w', encoding='utf-8') as f1:
        for y in range(skeleton.shape[0]):
            for x in range(skeleton.shape[1]):
                if skeleton[y][x] == 255:
                    x_axis_coord, y_axis_coord = transform_xy(x, y)
                    query_point = [x_axis_coord, y_axis_coord]
                    dist, index = tree.query(query_point)
                    f1.write(str(points3D.iloc[index, 0]) + " " +
                             str(points3D.iloc[index, 1]) + " " +
                             str(points3D.iloc[index, 2]) + " " + '\n')
except Exception as e:
    print("Error: ", e)

这段代码与原始代码类似，不过是将输入的数据文件和输出的文件名、格式都进行了修改以适应新的应用场景。同时，由于我们无法直接读取图像文件，需要使用cv2库里的imread函数获取二维骨架图像。最后，将得到的三维坐标写入到txt文件中。