如何在for循环中处理含缺失编号的数据集迭代？

嗨，我来帮你搞定这个问题！你遇到的是因为部分样本文件缺失，导致np.load抛出文件不存在的错误，进而中断循环。这里有两种实用的解决方案，你可以根据自己的需求选择：

方案一：循环内检查文件是否存在 #

最简单直接的方式，就是在加载文件前先检查目标文件是否存在，不存在就跳过当前循环。需要用到os.path.isfile来判断文件状态：

首先导入os模块，然后修改你的循环逻辑：

import os
import numpy as np
import scipy.interpolate

for i in range(1, 611):  # 注意这里要改成611，因为range是左闭右开，原来的range(1,610)只会到609
    file_path = path_load + 'featureMatrixTrue_of_K1_%d.npy' % i
    # 检查文件是否存在
    if not os.path.isfile(file_path):
        print(f"样本 {i} 不存在，跳过")
        continue
    # 下面是你原来的逻辑
    trueData = np.load(file_path)
    output = []
    for c in range(2,6):
        interp = scipy.interpolate.griddata((trueData[:,0],trueData[:,1]), trueData[:,c], (X.flatten(),Y.flatten()))
        interp = interp.reshape(num_points, -1)
        if c==5:
            interp = np.logical_and(np.where(interp < 0.92,0,1), np.where(interp > 1.06,0,1))
            #interp = interp.astype(int)
        output.append(interp)
    output = np.array(output)

注意：原来的range(1,610)只会遍历到609，如果你要包含610号样本，得改成range(1,611)哦

方案二：先获取所有存在的样本编号再遍历 #

如果不确定到底有多少样本缺失，或者想更高效地只处理存在的文件，可以先扫描目录，提取所有存在的样本编号，再遍历这些编号：

import os
import numpy as np
import scipy.interpolate
import glob
import re

# 匹配所有符合命名格式的npy文件
file_pattern = os.path.join(path_load, 'featureMatrixTrue_of_K1_*.npy')
matching_files = glob.glob(file_pattern)

# 提取每个文件的样本编号
sample_ids = []
for file in matching_files:
    # 用正则匹配文件名中的数字
    match = re.search(r'featureMatrixTrue_of_K1_(\d+)\.npy', file)
    if match:
        sample_id = int(match.group(1))
        sample_ids.append(sample_id)

# 对编号排序（保持顺序）
sample_ids.sort()

# 遍历存在的样本编号
for i in sample_ids:
    file_path = path_load + 'featureMatrixTrue_of_K1_%d.npy' % i
    trueData = np.load(file_path)
    output = []
    for c in range(2,6):
        interp = scipy.interpolate.griddata((trueData[:,0],trueData[:,1]), trueData[:,c], (X.flatten(),Y.flatten()))
        interp = interp.reshape(num_points, -1)
        if c==5:
            interp = np.logical_and(np.where(interp < 0.92,0,1), np.where(interp > 1.06,0,1))
            #interp = interp.astype(int)
        output.append(interp)
    output = np.array(output)

这种方法的好处是，不管目录里新增或删除了哪些样本，代码都会自动处理所有存在的文件，不用手动维护缺失列表。

两种方案都能解决你的问题，方案一适合你已经知道少量样本缺失的情况，代码改动最小；方案二更灵活，适合样本数量不确定的场景。

内容的提问来源于stack exchange，提问作者Ben