Question

我正在研究脑电图数据集。使用16个电极测量数据集。每个受试者数据具有形状为122880个数据点的阵列。通道1测量7680个数据点，通道2测量7680个数据点，直到16个通道都保持不变。
7680 * 16 = 122800

我已使用

重塑了数据

np.reshape(data,(7680,16).

现在，我希望每个通道的每个7680个数据点进一步分成256个数据点。所以我正在使用

np.reshape(data,(256,-1,16)

让我知道这是正确的方法。其实我想要通道1中的0-7680元素，而不是通道2中的7680-7680 * 2，依此类推。
现在，如果我仅选择一个频道，它会获得7680点，我希望将这些7680点重塑为30个试验，例如每个试验具有256个元素

Answer 1

我错了。当您将尺寸标注为(256,-1,16)时，numpy将为您进行除法并将-1替换为30。请注意，这仅可能发生在负整数（我用-1，-2，-3测试过）。所以

np.reshape(data,(256,-1,16))

将返回一个大小为256 x 30 x 16的数组，是的，它已经完成。

编辑：如您所说：

最初的7680个样本代表第一个通道，然后代表7680个第二个通道，等等。

重塑的正确方法是

np.reshape(data, (16, 7680))

然后，您要将这7680个样本划分为30个试验，每个通道包含256个样本。很简单：

np.reshape(data, (16, 30, 256))
# or just simply
np.reshape(data, (16, -1, 256)) # as numpy will do division for you

如果您随后想要将256个样本划分为样本集群，请执行以下操作：

np.reshape(data, (16, 30, number_of_clusters, size_of_each_cluster))

切记始终从外到内，先放置簇数，然后放置簇的大小。

EDIT2：您说过要一组30个试验，每个试验包含一个2D数组，该数组具有16列（作为16个电极）和256行（作为256个点，在2秒内）。

代码如下：

temp = np.reshape(data, (7680,16), order='F')
output = temp.reshape((30,256,16))

使用1行代码：

data.reshape((7680,16), order='F').reshape((30,256,16))

说明：在python改变数组的形状之前，它首先将其展平（如果还没有）。然后将每个元素一个接一个地放置到新数组中。

默认为order='C'，这意味着它将从上到下逐行放置元素（与我们的读写方式相同）。 order='F'表示它将从左到右逐列放置元素。

您的数据首先来自通道1的7680点。这就是为什么我使用order='F'。