代码拉取完成,页面将自动刷新
同步操作将从 root/光谱预处理方法 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
感谢 @panxy0826的开源,本Tool 部分搬运修改于该作者
如果您编程能力较弱 对python理解不足 不建议参考使用本项目代码 本项目代码未经大量测试 无法保证通用性。如果您对本项目进行了结构性更改,请一定通知我进行同步更改。
# 导入 pandas 读取数据
import pandas as pd
import numpy as np
# 读取数据
data = pd.read_csv("./data/peach_spectra_brix.csv")
# m * n
print("数据矩阵 data.shape:",data.shape)
# 50个样本, 600个 波段 第一列是 桃子糖度值 需要分离开
X = data.values[:,1:]
from pretreatment import Pretreatment as pre
p = pre()
# 该方法为快速示例 而编写
# 测试用例 图片名 波段起始点 波段间距
p.PlotSpectrum(X, '演示', 0, 5).show()
## 为保证数据可以正确绘制 请将 矩阵转化为 numpy.ndarray 格式
type(X)
msc = p.msc(X)
p.PlotSpectrum(msc, 'msc', 0, 5).show()
snv = p.snv(X)
p.PlotSpectrum(snv, 'snv', 0, 5).show()
# 此处参数为参考 具体 后续 详述
sg = p.SG(X, 4*5+1,2*3,2)
p.PlotSpectrum(sg, 'sg', 0, 5).show
move_avg = p.move_avg(X)
p.PlotSpectrum(move_avg, 'move_avg', 0, 5).show
D1 = p.D1(X)
p.PlotSpectrum(D1, 'D1', 0, 5).show
D2 = p.D2(X)
p.PlotSpectrum(D2, 'D2', 0, 5).show
wave = p.wave(X)
p.PlotSpectrum(wave, 'wave', 0, 5).show
mean_centralization = p.mean_centralization(X)
p.PlotSpectrum(mean_centralization, 'mean_centralization', 0, 5).show
standardlize = p.standardlize(X)
p.PlotSpectrum(standardlize, 'standardlize', 0, 5).show
max_min_normalization = p.max_min_normalization(X)
p.PlotSpectrum(max_min_normalization, 'max_min_normalization', 0, 5).show
vector_normalization = p.vector_normalization(X)
p.PlotSpectrum(vector_normalization, 'vector_normalization', 0, 5).show
先将如何使用写出,具体原理后续会补上
示例数据来源:nirpyresearch.com
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。