如何将存储信号的DataFrame转换为3维NumPy数组供CNN使用

直接对存储一维数组的DataFrame调用np.array()+astype(float)报错的核心原因是：此时生成的是(样本数, 通道列数)形状的object类型二维数组，每个元素是独立的一维数组对象，numpy无法直接把存储序列的object元素转成单个float值。

如果已经生成了目标DataFrame，用逐行堆叠的方式即可得到标准float类型三维数组，不会触发序列赋值错误：

# 提取所有信号列，排除标签列
signal_cols = [col for col in df.columns if col != 'label']
# 逐样本堆叠各通道信号，输出形状为(样本数, 通道数, 单通道信号长度)
X = np.stack(
    df.apply(lambda row: np.stack(row[signal_cols], axis=0), axis=1).values,
    axis=0
).astype(np.float32)
# 单独提取标签数组
y = df['label'].values

转换完成后可通过print(X.shape)验证维度，正常输出格式为(总样本数, 信号通道数, 单通道采样点数)，可直接作为CNN模型输入。

当前读取代码存在两个明显问题：一是用逐点循环append的方式提取通道值效率极低，二是使用了pandas已弃用的df.append()方法，大样本量下速度很慢。可以直接在读取阶段就构建三维数组，省去DataFrame二次转换的步骤：

import os
import numpy as np
from numpy import genfromtxt

rootdir = r'/content/gdrive/MyDrive/orderdEEG'
signal_list = []
label_list = []
# 配置要提取的通道列索引，如需9个通道改为list(range(9))即可
channel_cols = [1,2,3,4,5,6,7,8]
# 配置单通道固定采样点数量
sample_len = 339

for subdir, dirs, files in os.walk(rootdir):
    for file in files:
        # 跳过非CSV文件避免读取异常
        if not file.lower().endswith('.csv'):
            continue
        file_path = os.path.join(subdir, file)
        # 读取CSV时直接跳过表头行
        raw_data = genfromtxt(file_path, delimiter=',', skip_header=1)
        # 截取固定长度、固定通道的信号，转置为(通道数, 采样点)格式
        sample = raw_data[:sample_len, channel_cols].T.astype(np.float32)
        signal_list.append(sample)
        label_list.append(subdir[-1])

# 直接堆叠得到三维输入数组
X = np.stack(signal_list, axis=0)
y = np.array(label_list)

不同框架的CNN对输入维度顺序要求不同：

• PyTorch的CNN默认输入形状为(样本数, 通道数, 信号长度)，上述代码生成的数组可直接使用
• TensorFlow/Keras的CNN默认输入形状为(样本数, 信号长度, 通道数)，只需执行X = X.transpose(0, 2, 1)调整维度顺序即可
• 所有样本的信号长度必须保持一致，否则np.stack()会抛出维度不匹配错误，固定截取339个采样点即可规避该问题

内容的提问来源于stack exchange，提问作者Belal Ezzat