阿尔兹海默症数据集探索

GIF动态图可视化

train = h5.File('train/train_pre_data.h5','r')#读取数据
one_sample = train['data'][0,0]

frames = []
for layer_img in one_sample:
    img = Image.fromarray(layer_img).convert('L')#先转换为image，再转为灰度图
    img.resize((79*5, 95*5),Image.ANTIALIAS).save('temp.jpg')#放大5倍并保存为temp.jpg
    frames.append(imageio.imread('temp.jpg'))#存入frame列表
imageio.mimsave('{0}.gif'.format('idx'), frames, 'GIF', duration = 0.1)#保存为gif格式

动态图

读取一个MRI的所有切片并保存

train = h5.File('train/train_pre_data.h5','r')#读取数据
one_sample = train['data'][0,0]
counter = 0
for layer_img in one_sample:
    save_path = 'photo' + str(counter) + ".png"
    img = np.array(layer_img)#存入数组
    img = Image.fromarray(layer_img).convert('L')  # 先转换为image，再转为灰度图
    img.resize((79*5, 95*5),Image.ANTIALIAS).save(save_path)#放大5倍并保存为temp.jpg
    print(counter+1)
    counter+=1
print('done!')

保存结果，文件夹中有所有切片

其中一张

画出数据中标签的直方图

print(labels.head())#输出前五行数据
order = labels['label'].value_counts().index
sb.countplot(data=labels,x='label',order=order)#order参数是画直方图x轴的顺序
plt.show()

label中前五行数据

一开始不知道order = labels['label'].value_counts().index的作用，测试一下
不加.index的代码

order = labels['label'].value_counts()
print(order)

输出

用于统计三种类别的数量并且按照数量从大到小排序

加上.index后输出，是提取出索引，即按顺序排好的（1， 2 ，0），这样可以使用到后面的seaborn的countplot作为order参数。

以下是直方图