맞는 파일을로드하고 fitsrec
데이터를 numpy 로 변환했습니다 ndarray
.
import pyfits
import os, numpy as np
dataPath ='irac1_dataset.fits'
hduTab=pyfits.open(dataPath)
data_rec = np.array(hduTab[1].data)
data=data_rec.view(np.float64).reshape(data_rec.shape + (-1,))
데이터 nan
에서 rec에 존재하지 않는 일부가 있음을 발견했습니다 .
data_rec[3664]
(2.52953742092, 3.636058484, -3.0, 1.16584000133, 0.13033115092, 0.0545114121049, 0.0977915267677, 0.0861630982921, 0.0935291710016)
data[3664]
array([ 8.01676073e+230, -1.68253090e-183, 1.10670705e-320,
-5.38247269e-235, nan, 3.19504591e+186,
-6.19704421e+125, -1.40287783e+079, 1.94744862e+094])
보시다시피 값이 크게 변경됩니다. 어떻게 가능합니까?
hduTab [1] .data 정보 :
data_rec = hduTab[1].data
>>> data_rec.dtype
dtype((numpy.record, [('entr_35_1', '>f8'), ('kurt_5_1', '>f8'), ('skew_23_1', '>f8'), ('skew_35_1', '>f8'), ('mean_23_2', '>f8'), ('mean_35_2', '>f8'), ('stdDev_23_1', '>f8'), ('stdDev_35_1', '>f8'), ('pixVal', '>f8')]))
numpy 레코드입니다
당신을 엉망으로 만드는 것은`> f8 '입니다.
In [380]: dt= [('entr_35_1', '>f8'), ('kurt_5_1', '>f8'), ('skew_23_1', '>f8'),
...: ('skew_35_1', '>f8'), ('mean_23_2', '>f8'), ('mean_35_2', '>f8'), ('st
...: dDev_23_1', '>f8'), ('stdDev_35_1', '>f8'), ('pixVal', '>f8')]
In [382]: np.dtype(dt)
Out[382]: dtype([('entr_35_1', '>f8'),....('pixVal', '>f8')])
In [383]: np.array([(2.52953742092, 3.636058484, -3.0, 1.16584000133, 0.13033115
...: 092, 0.0545114121049, 0.0977915267677, 0.0861630982921, 0.093529171001
...: 6)],dtype=dt)
Out[383]:
array([ ( 2.52953742, 3.63605848, -3., 1.16584, 0.13033115, 0.05451141, 0.09779153, 0.0861631, 0.09352917)],
dtype=[('entr_35_1', '>f8'), ('kurt_5_1', '>f8'), ('skew_23_1', '>f8'), ('skew_35_1', '>f8'), ('mean_23_2', '>f8'), ('mean_35_2', '>f8'), ('stdDev_23_1', '>f8'), ('stdDev_35_1', '>f8'), ('pixVal', '>f8')])
In [384]: x=_
float
보기는 가지고 nan
와 인식 할 수없는 값을 :
In [385]: x.view(float)
Out[385]:
array([ 8.01676073e+230, -1.68253090e-183, 1.10670705e-320,
-5.38247269e-235, nan, 3.19504591e+186,
-6.19704421e+125, -1.40287783e+079, 1.94744862e+094])
그러나 >f8
입력 과 일치하는 보기 :
In [386]: x.view('>f8')
Out[386]:
array([ 2.52953742, 3.63605848, -3. , 1.16584 , 0.13033115,
0.05451141, 0.09779153, 0.0861631 , 0.09352917])
그런 다음 , (분명히 ) astype
로 변환하는 데 사용할 수 있습니다 .float
<f8
In [387]: _.astype(float)
Out[387]:
array([ 2.52953742, 3.63605848, -3. , 1.16584 , 0.13033115,
0.05451141, 0.09779153, 0.0861631 , 0.09352917])
In [389]: np.dtype('<f8')
Out[389]: dtype('float64')
In [390]: np.dtype('>f8')
Out[390]: dtype('>f8')
사용 astype
은 까다로울 수 있지만 필드 레이아웃을 동일하게 유지하면 직접 사용할 수 있습니다. 그래서 나는 그것을 변경하는 데 사용할 수 있습니다'>f8' to
In [407]: dt1= [('entr_35_1', '<f8'), ('kurt_5_1', '<f8'), ('skew_23_1', '<f8'),
...: ('skew_35_1', '<f8'), ('mean_23_2', '<f8'), ('mean_35_2', '<f8'), ('s
...: tdDev_23_1', '<f8'), ('stdDev_35_1', '<f8'), ('pixVal', '<f8')]
In [408]: x.astype(dt1)
Out[408]:
array([ ( 2.52953742, 3.63605848, -3., 1.16584, 0.13033115, 0.05451141, 0.09779153, 0.0861631, 0.09352917)],
dtype=[('entr_35_1', '<f8'), ('kurt_5_1', '<f8'), ('skew_23_1', '<f8'), ('skew_35_1', '<f8'), ('mean_23_2', '<f8'), ('mean_35_2', '<f8'), ('stdDev_23_1', '<f8'), ('stdDev_35_1', '<f8'), ('pixVal', '<f8')])
view
필드 수를 변경하려면 계속 사용해야 합니다.
In [409]: x.astype(dt1).view(float)
Out[409]:
array([ 2.52953742, 3.63605848, -3. , 1.16584 , 0.13033115,
0.05451141, 0.09779153, 0.0861631 , 0.09352917])
이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.
침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제
몇 마디 만하겠습니다