import torch from PIL import Image import pandas as pd """ 1.使用pandas读取csv文件，得到DataFrame类型的数据x_ori；使用iloc[:,指定列]方法获取所有行，指定列数据x_pro 2.DataFrame变为torch.Tensor，将数据帧变为张量数据，便于后续的计算(归一化，再*255变为图像) data = torch.from_numpy(x_pro.values) 此处可以通过reshape的方式，更改原先数据的形状 3.归一化 torch.Tensor data_norm 4.张量数据变回多维数组：张量计算任务结束，变回数组利于转变为图像 Tensor → ndarray data_array = data_norm255.detach().numpy() 5.将归一化结果*255，还原到色彩和亮度的取值范围0~255 torch.Tensor data_norm255 6.多维数组存储为图像数据，转化为图像文件设置color mode，并存储在本地 im_array = Image.fromarray(data_array) """ # todo 设置读取csv文件路径；转化后的图片色彩模式，保存路径以及文件名 csvRead_path = r'D:\Data\csvProcessed_no000\n0001.csv' convert_ColorMode = 'RGB' figSave_Path = r'H:\a_temp' figSave_Name = 'helloT.jpg' # 1 获取初始DataFrame x_ori = pd.read_csv(csvRead_path, header=0, sep=',') x_pro = x_ori.iloc[:, 1:6] # 2 DataFrame转变为Tensor，可适当地转换形状 data = torch.from_numpy(x_pro.values) data = data.reshape(50, 50) # 3 Tensor 归一化 min_data = torch.min(data) max_data = torch.max(data) data_norm = (data - min_data) / (max_data - min_data) # data_norm = data_norm.T # 转置 # 4 Tensor转变为ndarray data_array = data_norm.detach().numpy() # data_array是归一化的二维浮点数矩阵 # 5 还原到色彩和亮度的取值范围0~255 data_array255 = data_array * 255 # 变换为0-255的色彩范围 # 6 数组变图像，并保存在本地 im = Image.fromarray(data_array255) im = im.convert(convert_ColorMode) # 这样才能转为灰度图，如果是彩色图则改L为‘RGB’ im.save(figSave_Path + '/' + figSave_Name) # 最后末尾要加/，否则是字符串的拼接，存储的结果是figSave_PathfigSave_Name的形式 print("===============Done!===============")
标签：Tensor,torch,csv2Fig,归一化,array,data,255 From： https://www.cnblogs.com/olin25/p/17976350