python小波变换后提取特征代码

以下是Python中使用小波变换进行特征提取的示例代码：

import pywt
import numpy as np

# 定义小波变换函数
def wavelet_transform(data, wavelet='db4', level=4):
    coeff = pywt.wavedec(data, wavelet, level=level)
    return coeff

# 定义特征提取函数
def extract_features(data):
    features = []
    for i in range(data.shape[0]):
        # 对每一行数据进行小波变换
        coeff = wavelet_transform(data[i])
        # 提取小波系数中的能量特征
        for j in range(len(coeff)):
            energy = np.sum(np.square(coeff[j]))
            features.append(energy)
    return features

在上述代码中，`wavelet_transform()`函数使用了Python的小波变换库`pywt`，将输入的数据进行小波变换并返回小波系数。`extract_features()`函数接受原始数据，对每一行数据进行小波变换，并提取小波系数中的能量特征，最后将所有特征合并为一个特征向量并返回。

你可以根据自己的数据情况调整小波变换的参数，以及提取不同的特征。