使用matlab工具写此代码
from pathlib import Path
import re
import numpy as np
import
pandas as pd
from typing import Dict, List, Tuple, Optional
%---------------------- 配置参数 ----------------------
BASE_DIR = Path("附件/附件 3")% 如果基础文件夹不同，请修改
BEFORE_DIRNAME = "姿势调整前"
AFTER_DIRNAME = "姿势调整后"
%时间归一化目标长度
TARGET_LEN = 200
% 选择度量方式
: "mse" (时间上的平均欧氏距离) 或 "dtw" (动态时间规整)
METRIC = "dtw"
% 输出保存位置
OUT_DIR = Path("analysis_outputs")
OUT_DIR.mkdir(parents=True, exist_ok=True)
%用于解析"运动者<id>第<attempt>次"的正则表达式（支持.csv/.txt等）
NAME_RE = re.compile(r"运动者(\d+)第(\d+)次", re.IGNORECASE)
%---------------------- 工具函数 ----------------------
def robust_read_table(fp
: Path) -> pd.DataFrame
:
"""
尝试读取关键点表格，支持灵活的分隔符：逗号、制表符或多个空格。
保持表头名称不变。
"""
% 先尝试逗号分隔；失败则使用正则表达式分隔符
try
:
df = pd.read_csv(fp)
if df.shape[1] <= 2
:
raise ValueError("使用逗号分隔时
列数太少，尝试正则表达式分隔符。")
except Exception
:
df = pd.read_csv(fp, sep=r"[,\s\t]+", engine="
python")
%如果存在明显的未命名索引
列，则
删除
drop_cols = [c for c in df.columns if str(c).lower().startswith("
unnamed")]
if drop_cols
:
df = df.drop(columns=drop_cols)
return df
def get_keypoint_columns(df
: pd.DataFrame) -> List[Tuple[str, str]]
:
"""
基于表头模式（如"0_X"、"0_Y"）返回关键点索引的(x_col, y_col)有序对。
如果表头使用例如"0-X"或"0X"，可以在此扩展。
"""
xy_pairs = []
%按索引收集
by_index = {}
for col in df.columns
:
s = str(col).strip()
%匹配数字后跟下划线和X/Y的模式
m = re.match(r"(\d+)[_\-]?[
xX]$", s)
if m
:
idx = int(m.group(1))
by_index.setdefault(idx, {})["x"] = s
continue
m = re.match(r"(\d+)[_\-]?[yY]$", s)
if m
:
idx = int(m.group(1))
by_index.setdefault(idx, {})["y"] = s
continue
# 也接受"0_X"、"0_Y"的精确匹配
m = re.match(r"(\d+)_([XY])$", s)
if m
:
idx = int(m.group(1))
axis = m.group(2).lower()
by_index.setdefault(idx, {})[axis] = s
continue
# 按索引构建有序
列表
for idx in sorted(by_index.keys())
:
cols = by_index[idx]
# 确保同时有x和y坐标
if "x" in cols and "y" in cols
:
xy_pairs.append((cols["x"], cols["y"]))
# 如果没有找到任何关键点对，抛出错误
if not xy_pairs
:
raise ValueError("无法检测到类似'0_X'、'0_Y'的关键点
列。请检查表头。")
return xy_pairs
# 可以在这里继续添加其他函数，如线性重采样、空间归一化等
def linear_resample(arr
: np.ndarray, target_len
: int) -> np.ndarray
:
"""
将形状为(T, D)的数组线性重采样为(target_len, D)。
"""
T, D = arr.shape
if T == target_len
:
return arr.copy()
old_idx = np.linspace(0, 1, T)
new_idx = np.linspace(0, 1, target_len)
out = np.empty((target_len, D), dtype=float)
for d in range(D)
:
out[
:, d] = np.interp(new_idx, old_idx, arr[
:, d])
return out
博客主要讲述Python使用pd.read_csv读文件时，df中多出Unnamed:38列的问题，指出这是生成csv文件采用默认参数导致。给出两种解决方案，一是to_csv时设置index=False，或加上index=True, index_label='id'；还提及用pandas处理数据产生Unnamed:0列的解决办法，测试环境为Python3.6.5和3.7。
扫一扫
1万+
到【灌水乐园】发言
