code_python故障诊断_python故障_fault_故障诊断_python_

#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Mon Apr 1 12:00:17 2019 @author: zxl """ import pandas as pd import numpy as np import random from sklearn import preprocessing def train_y(y): y_one=np.zeros(10) y_one[y]=1 return y_one def data_processing(): csv_file=pd.read_csv('train.csv') # DataFram:792x6002 #dataset=np.array(csv_file).tolist() # list:792x6002 dataset=np.array(csv_file) data=dataset[:,1:6001] # float64 mnist:float32 label=dataset[:,6001] # float64 mnist:float64 data=data.astype(np.float32) ''' min_max_sacler=preprocessing.MinMaxScaler() min_max_sacler.fit(data) data=min_max_sacler.transform(data) ''' ''' label0=np.array(label[label==0]) # 177 label1=np.array(label[label==1]) # 46 label2=np.array(label[label==2]) # 43 label3=np.array(label[label==3]) # 50 label4=np.array(label[label==4]) # 51 label5=np.array(label[label==5]) # 47 label6=np.array(label[label==6]) # 52 label7=np.array(label[label==7]) # 140 label8=np.array(label[label==8]) # 45 label9=np.array(label[label==9]) # 141 ''' data0_pre=list(data[label==0]) data1_pre=list(data[label==1]) data2_pre=list(data[label==2]) data3_pre=list(data[label==3]) data4_pre=list(data[label==4]) data5_pre=list(data[label==5]) data6_pre=list(data[label==6]) data7_pre=list(data[label==7]) data8_pre=list(data[label==8]) data9_pre=list(data[label==9]) label0_pre=list(label[label==0]) label1_pre=list(label[label==1]) label2_pre=list(label[label==2]) label3_pre=list(label[label==3]) label4_pre=list(label[label==4]) label5_pre=list(label[label==5]) label6_pre=list(label[label==6]) label7_pre=list(label[label==7]) label8_pre=list(label[label==8]) label9_pre=list(label[label==9]) data1=[] data2=[] data3=[] data4=[] data5=[] data6=[] data8=[] label1=[] label2=[] label3=[] label4=[] label5=[] label6=[] label8=[] for i in range(3): label1.extend(label1_pre) label2.extend(label2_pre) label3.extend(label3_pre) label4.extend(label4_pre) label5.extend(label5_pre) label6.extend(label6_pre) label8.extend(label8_pre) for i in range(3): data1.extend(data1_pre) data2.extend(data2_pre) data3.extend(data3_pre) data4.extend(data4_pre) data5.extend(data5_pre) data6.extend(data6_pre) data8.extend(data8_pre) label0=label0_pre label7=label7_pre label9=label9_pre data0=data0_pre data7=data7_pre data9=data9_pre random.shuffle(data0) random.shuffle(data1) random.shuffle(data2) random.shuffle(data3) random.shuffle(data4) random.shuffle(data5) random.shuffle(data6) random.shuffle(data7) random.shuffle(data8) random.shuffle(data9) data0=np.array(data0) data1=np.array(data1) data2=np.array(data2) data3=np.array(data3) data4=np.array(data4) data5=np.array(data5) data6=np.array(data6) data7=np.array(data7) data8=np.array(data8) data9=np.array(data9) label0=np.array(label0) label1=np.array(label1) label2=np.array(label2) label3=np.array(label3) label4=np.array(label4) label5=np.array(label5) label6=np.array(label6) label7=np.array(label7) label8=np.array(label8) label9=np.array(label9) teX=list(data0[0:40]) teX.extend(data1[0:40]) teX.extend(data2[0:40]) teX.extend(data3[0:40]) teX.extend(data4[0:40]) teX.extend(data5[0:40]) teX.extend(data6[0:40]) teX.extend(data7[0:40]) teX.extend(data8[0:40]) teX.extend(data9[0:40]) teX=np.array(teX) teY_pre=list(label0[0:40]) teY_pre.extend(label1[0:40]) teY_pre.extend(label2[0:40]) teY_pre.extend(label3[0:40]) teY_pre.extend(label4[0:40]) teY_pre.extend(label5[0:40]) teY_pre.extend(label6[0:40]) teY_pre.extend(label7[0:40]) teY_pre.extend(label8[0:40]) teY_pre.extend(label9[0:40]) teY_pre=np.array(teY_pre) teY_pre=teY_pre.astype(np.uint8) trX=list(data0[40:]) trX.extend(data1[40:]) trX.extend(data2[40:]) trX.extend(data3[40:]) trX.extend(data4[40:]) trX.extend(data5[40:]) trX.extend(data6[40:]) trX.extend(data7[40:]) trX.extend(data8[40:]) trX.extend(data9[40:]) trX=np.array(trX) trY_pre=list(label0[40:]) trY_pre.extend(label1[40:]) trY_pre.extend(label2[40:]) trY_pre.extend(label3[40:]) trY_pre.extend(label4[40:]) trY_pre.extend(label5[40:]) trY_pre.extend(label6[40:]) trY_pre.extend(label7[40:]) trY_pre.extend(label8[40:]) trY_pre.extend(label9[40:]) trY_pre=np.array(trY_pre) trY_pre=trY_pre.astype(np.uint8) trY=np.array([train_y(trY_pre[i]) for i in range(len(trY_pre))]) teY=np.array([train_y(teY_pre[i]) for i in range(len(teY_pre))]) trY=trY.astype(np.float64) teY=teY.astype(np.float64) index=[i for i in range(len(trY))] np.random.shuffle(index) trY_shuffle=trY[index] trX_shuffle=trX[index] trY=trY_shuffle trX=trX_shuffle return trX,trY,teX,teY ''' print(trY.shape) # 1060 print(teY.shape) # 400 print(data0.shape) # 177 print(data1.shape) # 138 print(data2.shape) # 129 print(data3.shape) # 150 print(data4.shape) # 153 print(data5.shape) # 141 print(data6.shape) # 156 print(data7.shape) # 140 print(data8.shape) # 135 print(data9.shape) # 141 print(label0.shape) print(label1.shape) print(label2.shape) print(label3.shape) print(label4.shape) print(label5.shape) print(label6.shape) print(label7.shape) print(label8.shape) print(label9.shape) '''