【经典代码】将随机划分后的数据集数据和标签进行重排对应_数据集标签顺序改变

为了对测试集中的数据和标签进行重新排序，以便它们按照标签从0到6的顺序排列，你需要遵循以下步骤：

1. 将标签和数据合并为一个结构，以便它们可以同时被重新排序。
2. 根据标签进行排序。
3. 分离排序后的标签和数据。

在Python中，你可以使用NumPy库来实现这一过程。下面是一段示例代码，展示了如何完成这个任务：

import numpy as np
import pandas as pd

# 假设 x_test 和 y_test_labels 已经定义并加载了数据

# 将标签和数据合并为一个结构
combined = list(zip(y_test_labels, x_test))

# 根据标签进行排序
combined_sorted = sorted(combined, key=lambda x: x[0])

# 分离排序后的标签和数据
y_test_labels_sorted, x_test_sorted = zip(*combined_sorted)

# 将结果转换回 NumPy 数组（如果需要）
y_test_labels_sorted = np.array(y_test_labels_sorted)
x_test_sorted = np.array(x_test_sorted)

# 现在 y_test_labels_sorted 和 x_test_sorted 是按照标签从0到6排序的
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

这个代码段首先将标签和对应的数据组合为一个元组列表，然后根据每个元组中的标签（即元组的第一个元素）对这个列表进行排序。排序后，它将标签和数据分离，并将它们转换回NumPy数组格式。这样，x_test_sorted 和 y_test_labels_sorted 就会按照你想要的方式排序。

完整代码

"""
# -*- coding: utf-8 -*-
# @Time    : 2024/1/29 11:23
# @Author  : 王摇摆
# @FileName: splitDataAndCombine.py
# @Software: PyCharm
# @Blog    ：https://blog.csdn.net/weixin_44943389?type=blog
"""

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd


# 2022柱塞泵数据集
def data_preprocess():
    # 加载数据集
    x_train = pd.read_csv(r"../../dataset/X_train.csv", header=None)
    y_train = pd.read_csv(r"../../dataset/Y_train.csv", header=None)
    x_test = pd.read_csv(r"../../dataset/X_test.csv", header=None)
    y_test = pd.read_csv(r"../../dataset/Y_test.csv", header=None)

    x_train = x_train.values
    y_train = y_train.values
    x_test = x_test.values
    y_test = y_test.values

    x_train, x_test = x_train[:, :, np.newaxis], x_test[:, :, np.newaxis]  # 在数据中新添加通道维度，用于扩张成为三维数据
    return x_train, y_train, x_test, y_test


# 获取数据集
_, _, x_test, y_test = data_preprocess()
# 将 one-hot 编码转换为类别标签
y_test_labels = np.argmax(y_test, axis=1)

# 设计思路
# 1. 将标签和数据合并为一个结构，以便它们可以同时被重新排序。
# 2. 根据标签进行排序。
# 3. 分离排序后的标签和数据。

import numpy as np
import pandas as pd

# 假设 x_test 和 y_test_labels 已经定义并加载了数据

# 将标签和数据合并为一个结构
combined = list(zip(y_test_labels, x_test))

# 根据标签进行排序
combined_sorted = sorted(combined, key=lambda x: x[0])

# 分离排序后的标签和数据
y_test_labels_sorted, x_test_sorted = zip(*combined_sorted)

# 将结果转换回 NumPy 数组（如果需要）
y_test_labels_sorted = np.array(y_test_labels_sorted)
x_test_sorted = np.array(x_test_sorted)

# 现在 y_test_labels_sorted 和 x_test_sorted 是按照标签从0到6排序的
# print(x_test_sorted)
# print(y_test_labels_sorted)
#
# print(x_test_sorted.shape)
# print(y_test_labels_sorted.shape)

# 保存工作
# 将重排后的测试数据转换为DataFrame
x_test_df = pd.DataFrame([x.flatten() for x in x_test_sorted])

# 保存重排后的测试数据为CSV文件
x_test_df.to_csv("x_test_sorted.csv", index=False, header=False)
print('重排后的训练集数据保存成功')

# 将重排后的测试标签转换为DataFrame
y_test_labels_df = pd.DataFrame(y_test_labels_sorted)

# 保存重排后的测试标签为CSV文件
y_test_labels_df.to_csv("y_test_sorted.csv", index=False, header=False)
print('重排后的训练集标签保存成功')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80