使用#python#解决矩阵的转换问题。

需要使用python将矩阵转换成三列的数据列表。

原始矩阵以Freq.[Hz]为横轴，以分贝数为纵轴，不同温度形成不同的曲线如下图所示：

希望转换成第一列频率（Freq。[Hz]）,第二列温度，第三列分贝（dB）。

谢谢

你的数据文件有些小问题，大致处理的程序如下。
数据文件 dataM 的形状是 (303104,3)，第一列是 Freq，第二列是 Temp，第三列是 Noise

import pandas as pd
import numpy as np

# 读取数据文件
readPath = "../data/StripLA01SD1.txt"  # 数据文件的地址和文件名
dfFile = pd.read_table(readPath, sep="|", header=0)  # 间隔符为空格，首行为标题行

dfData = dfFile.loc[:, ~dfFile.columns.str.contains("Unnamed")]  # 删除 "Unnamed" 列
print(dfData.head())  # 显示 dfData 前 5 行数据
rows, cols = dfData.shape
print("rows={}, cols={}".format(rows, cols))  # 8192, 38

data = dfData.to_numpy()
title = dfData.columns.values
temp = []
for i in range(1, cols):
    temp.append(eval(title[i]))
lens = len(temp)
# print("Temp", temp)
print("len(Temp)", lens)

datM = np.zeros((rows * lens, 3))  # rows=8192, lens=37
print("datM", datM.shape)  # 8192*37=303104
for l in range(lens):
    for row in range(rows):
        datM[l * (rows) + row, 0] = data[row, 0]  # Freq
        datM[l * (rows) + row, 1] = temp[l]
        datM[l * (rows) + row, 2] = data[row, l+1]
print(datM[:10, :])
print("Freq: min={:.1f}, max={:.1f}".format(datM[:, 0].min(), datM[:, 0].max()))
print("Temp: min={:.1f}, max={:.1f}".format(datM[:, 1].min(), datM[:, 1].max()))
print("Noise: min={:.1f}, max={:.1f}".format(datM[:, 2].min(), datM[:, 2].max()))

根据您描述的问题，需要使用python将矩阵转换为具有三列的数据列，一列是Freq.[Hz] 一列是分贝数，一列是温度，从我对你的问题和需求的理解来看，最后的结构应该是每个Freq[Hz]会对应一列分贝数和一列温度，大概结构如下:
Fre.[Hz] 温度分贝数
1501.160 -13.53 60
1501.160 -10.53 57
1501.160 -23.53 55
…
对于这样的数据的处理，建议使用python中的pandas进行处理，可以使用dataframe结构进行存储。

用Tolist()方法将数组或矩阵转换为列表，提供参考实例：https://www.zkxjob.com/47166

import pandas as pd

# data=pd.read_csv("你的数据")
# 我new 的数据
# 方法1 循环
data = pd.DataFrame({"Fr": [1123, 1124], "Tem": [60, 60], "57": [-13, -14], "56": [-12, -12]})
new_data=[]
for group_id, group_data in data.groupby(["Fr", "Tem"]):
    db_values = group_data.values[:, 2:].reshape(-1)
    db_name = group_data.columns.values[2:]
    data_one=pd.DataFrame(
        {"Fr": group_data["Fr"].values.tolist() * db_name.size, "Tem": group_data["Tem"].values.tolist() * db_name.size,
         "db_name":db_name, "db_values": db_values})
    new_data.append(data_one)
pd.concat(new_data).to_csv("new_data.csv",index=False)
#方法2 批量
db_name=data.columns.values[2:]
db_name=db_name.tolist()*data.shape[0]
db_values=data.values[:, 2:].reshape(-1)
data_one=pd.DataFrame(
        {"Fr": data["Fr"].values.tolist()*db_name.size, "Tem": data["Tem"].values.tolist() * db_name.size,
         "db_name":db_name, "db_values": db_values})
data_one.to_csv("new_data_one.csv",index=False)

你这个数据要是展开需要四个字段才能表达的清楚数据全部信息写了两个方法提供参考一个是循环合并一个是批量处理

我写了个简单的例子


import numpy as np
# 定义原始矩阵
matrix = [[1,2,3,4,5],
          [6,7,8,9,10],
          [11,12,13,14,15]]
# 转换为三列的数据列表
data_list = np.reshape(matrix, (-1, 3))

首先，假设你有一个二维数组，存储了频率和分贝数的值，如下所示：

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

你可以使用 reshape() 函数将矩阵转换为三列的数据列表。
如下:

data_list = matrix.reshape(-1, 3)

这样会将原来的每一行看作一组数据，每一行的三个元素分别对应 Freq.[Hz],分贝数和温度

如果你需要对数据进行更细致的处理，可以使用 numpy 的其他函数，例如：

np.column_stack() 可以将多个一维数组按列堆叠在一起。
np.concatenate() 可以将多个数组沿指定轴连接在一起。
如果你需要存储数据到文件中，你可以使用 numpy 的 savetxt() 函数将数据保存到文本文件中，或者使用 np.save() 函数将数据保存到二进制文件中。

np.savetxt("data.txt", data_list, delimiter=",")
# or 
np.save("data.npy", data_list)

示例：

import numpy as np

# 假设原始矩阵是 matrix
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 将矩阵转换为三列数据列表
data_list = matrix.reshape(-1, 3)

print(data_list)
# 输出： [[1 2 3]
#           [4 5 6]
#           [7 8 9]]

、、回答有用请你采纳、