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
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!')
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)
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