Hellos,
介绍：
我正在尝试设置一个熊猫数据框来将多个离散化学值连接到多个图像。它比我目前的水平略高一些，所以我希望在这里得到一些帮助。
到目前为止我得到了什么：
I've currently sliced out two columns from a provided datasheet that looks like this.
现在我这里有 1688 个数据点，并且有 1225 个大小为 10x10x4 (RGBA) 的图像与其关联。 (1225,10,10,4) Uint8
这些图像都具有在第 1 列中看到的相同 Sample_ID 名称。我的目标是运行一个循环，从文件夹中取出图像，将它们展平并重新整形为 300x1，然后将它们存储在第三列中，并根据样本_ID。这意味着正确的图像必须对应于正确的Sample_ID。
我已经在网上和 stackoverflow 上搜索过了。我已经从这里尝试了 4 个不同的循环图像函数，但没有给我带来预期的结果。
到目前为止，我最好的选择似乎是使用 glob 将其全部放入 numpy 文件中。但我确实需要一个循环函数，将图像与相应的 id 和 Ni 值链接起来。
有关如何加载图像并存储其 ID 值以便与现有数据帧交叉引用的任何建议。
感谢您的时间。
假设图像 id 在其名称中并使用matplotlib.image.imread
path = '.' # current directory
filenames = [os.path.abspath(os.path.join(path, x)) for x in os.listdir(path) if '.png' in x or '.jpg' in x]
>>> filenames
['image_0.png',
'image_1.png',
'image_2.png',
'image_3.png',
'image_4.png',
'image_5.png',
'image_6.png',
'image_7.png',
'image_8.png',
'image_9.png']
将图像读入数据帧并将其名称添加为一列：
from matplotlib.image import imread
images_df = pd.DataFrame([[imread(filename).flatten()] for filename in filenames], columns=['images'])
images_df['id'] = filenames
images_df['id'] = images_df['id'].apply(os.path.basename)
>>> images_df
images id
0 [0.4627451, 0.05490196, 0.8745098, 0.79607844,... image_0.png
1 [0.20784314, 0.93333334, 0.73333335, 0.6156863... image_1.png
2 [0.4117647, 0.3254902, 0.8784314, 0.16470589, ... image_2.png
3 [0.8627451, 0.6862745, 0.78431374, 0.6431373, ... image_3.png
4 [0.44705883, 0.627451, 0.57254905, 0.78431374,... image_4.png
5 [0.7490196, 0.007843138, 0.25490198, 0.1372549... image_5.png
6 [0.039215688, 0.14901961, 0.5882353, 0.5137255... image_6.png
7 [0.24705882, 0.94509804, 0.1882353, 0.38039216... image_7.png
8 [0.35686275, 0.047058824, 0.56078434, 0.062745... image_8.png
9 [0.8, 0.23921569, 0.99607843, 0.89411765, 0.23... image_9.png
从图像中提取 id：
>>> images_df['id'] = images_df['id'].str.split('.').str[0]
0 image_0
1 image_1
2 image_2
3 image_3
4 image_4
5 image_5
6 image_6
7 image_7
8 image_8
9 image_9
Name: id, dtype: object
images_df['id']如果需要转换为整数Sample_ID is one.
连接数据框：
pd.merge(images_df, new_data_rdy, left_on='id', right_on='Sample_ID')