Python Nx3列数据转换为2d矩阵，用于图像处理

我试图从一个文本文件中读取Nx3数据的格式（'x'，'y'，'value'）中查找局部最大值和计数；'x'和y'构成一个均匀分布的网格，并且x'和y'的每个组合都有一个值，看起来如下所示：

  3.0, -0.4, 56.94369888305664        
  3.0, -0.3, 56.97200012207031        
  3.0, -0.2, 56.77149963378906        
  3.0, -0.1, 56.41230010986328        
  3.0,  0,   55.8302001953125       
  3.0,  0.1, 55.81560134887695        
  3.0,  0.2, 55.600399017333984        
  3.0,  0.3, 55.51969909667969        
  3.0,  0.4, 55.18550109863281         
  3.2, -0.4, 56.26380157470703 
  3.2, -0.3, 56.228599548339844
  ...

问题是，我尝试使用的图像代码（）要求数据采用不同的2d矩阵格式进行图像处理。这是守则的相关部分：

# Construct some test data
x, y = np.ogrid[-np.pi:np.pi:100j, -np.pi:np.pi:100j]
r = np.sin(np.exp((np.sin(x)**3 + np.cos(y)**2)))

# Find contours at a constant value of 0.8
contours = measure.find_contours(r, 0.8)

有人能帮我把数据转换成所需的“网格”格式吗

编辑：我最终选择了熊猫，但在一般情况下，我发现选择的答案更好。我就是这么做的：

from pandas import read_csv
data=read_csv(filename, names=['x','y','values']).pivot(index='x', columns='y',
              values='values')

在此之后，

data.values

以我想要的2d“图像形式”保存表格

y   -0.4        -0.3        -0.2        -0.1
x               
3.0  86.9423     87.6398     87.5256     89.5779
3.2  76.9414     77.7743     78.8633     76.8955
3.4  71.4146     72.8257     71.7210     71.5232

---

对于您正在使用的程序，您只需要将数据设置为

z

值的矩形数组（在示例中，它们只使用x和y来构造z，但不再使用它们）。看起来您的数组是9乘N（其中N是您没有显示的内容）。一种简单的方法是将数据作为z值的平面集合读取，跳过x，y值，

restrape

来设置所需的形状。（我无法为此编写代码，因为您没有提供足够的信息，但这并不困难。）

最佳解决方案实际上取决于您没有提供的详细信息。顺便说一句，您应该真正给出您的代码，或者至少给出np.loadtxt指令。 在以下示例中，“数据”是使用从文件加载的数组：

data = np.loadtxt('file.txt', [('x',float), ('y',float), ('value',float)])

1） 直接整形： 跟随@tom10所说的内容
如果您知道（x，y，value）数据是按特定顺序存储的：

[(x0,y0,v00), (x0,y1,v01), .... , (x1,y0,v10),(x1,y1,v11), ... ,(xN,yM,vNM)]

并且给出了所有（x，y）对的值。然后，最好是从值列表中创建1D numpy数组并对其进行重塑：

x = np.unique(data['x'])
y = np.unique(data['y'])
r = data['value'].reshape((x.size,y.size))

2） 一般情况： 有关类似问题和使用字典的其他解决方案，请参阅

如果您不能保证除了具有（x，y，value）元组以外的任何内容：

注：在上述参考文献中，给出了使用字典的另一种方法。我认为这更具可读性，但我没有测试它们的相对速度

3） 中间病例？ 您可能会有一个中间情况，介于按特定顺序给定的规则栅格坐标和完全没有约束之间。一般情况下可能非常慢，您应该设计算法以利用数据遵循的任何规则

例如，如果您知道x-y索引遵循特定规则，但不一定按顺序给出。例如，如果您知道x和y是等间距的“栅格”坐标，其形式如下：

coordinate = min_coordinate + i*step

然后求min\u坐标和步长（对于x和y），并通过求解此方程求i。这样，就避免了代价高昂的索引映射np.vectoriated（…list.index（…）：

---

我不太明白你的原始数据是什么。它看起来像一个元组列表，但是元组之间缺少逗号。这就是文本文件中数据的样子吗？这是numpy.loadtxt的输出，文本文件中的数据是这样的：3-0.4-0.0494273 56.9437 1.88357；3 -0.3 -0.0258483 56.972 2.03781; 3 -0.2 -0.00939226 56.7715 1.90159; 3 -0.1 0.00208286 56.4123 1.56543; “；”代表行的结尾，我只选择了第一、第二和第四列。我明白了，似乎我完全误解了这个问题，对不起。回答得很好，谢谢！顺便问一下，您是否也发现numpy.loadtxt相对较慢？谢谢。我不经常使用loadtxt，也从不使用大文件，所以我不知道它的效率。我希望它能以最快的速度加载文本数据。

coordinate = min_coordinate + i*step

x  = np.unique(data['x'])
y  = np.unique(data['y'])
ix = (data['x']-x.min())/(x[1]-x[0])
iy = (data['y']-y.min())/(y[1]-y[0])

# create output array
r  = np.ones((x.size,y.size), float)*np.nan   # default value is NaN
r[ix.astype(int), iy.astype(int)] = data['value']