读懂GSnet（一）：pandas读取pkl格式的多维数组可视化理解时空数据

GSNet数据解读

原始数据1. `all_data.pkl`2. `risk_mask.pkl`3. `risk_adj.pkl`4. `road_adj.pkl`5. `poi_adj.pkl`6. `grid_node_map.pkl`数据理解维度格式如何读取四维数组？读空间分布读时间分布读其它分布结语

之前很少用过多维数组，不知道怎么读取。今天阅读论文《Learning Spatial-Temporal Correlation from Geographical and Semantic Aspects for Traffic Accident Risk Forecasting（AAAI ）》时，文章提供的原始数据是4维的，正好研究一下。

原始数据

代码和原始数据：/Echohhhhhh/GSNet

cd到nyc文件夹，可以看到数据的Readme文件。我做了部分修改和说明后，摘录如下：

可以发现，原始数据由one-hot的0/1数据、和数值类型的温度、风险数据组合而成

1.`all_data.pkl`

.1~.12，one time interval is 1h

shape(T, D, W, H),D=48

T is thetime line

D is thefeature vector, descripted as follows:

0:risk(numeric,sum)

1~24:time_period，(one-hot)

25~31:day_of_week，(one-hot)

32:holiday，(one-hot)

33~39:POI (numeric)

40:temperature (numeric)

41:Clear,(one-hot)

42:Cloudy，(one-hot)

43:Rain，(one-hot)

44:Snow，(one-hot)

45:Mist，(one-hot)

46:inflow(numeric)

47:outflow(numeric)

W*H denotes the spatial grids.

基于原始数据，作者还抽取了以下五种预处理后的数据。

2.`risk_mask.pkl`

shape(W,H)

top risk region mask

3.`risk_adj.pkl`

risk similarity graph adjacency matrix

shape (N,N)

4.`road_adj.pkl`

road similarity graph adjacency matrix

shape(N,N)

5.`poi_adj.pkl`

poi similarity graph adjacency matrix

shape(N,N)

6.`grid_node_map.pkl`

map graph data to grid data

shape (W*H,N)

df = pd.read_pickle("./grid_node_map.pkl")d2 = pd.DataFrame(df).astype(int)d3 = np.array(d2)shape = d3.shapefor i in range(shape[0]):for j in range(shape[1]):if d3[i][j] == 1:print(i,j)print(shape)

数据理解

维度

TTT:时间轴（8760）

DDD: 特征数量（48），具体说明参见上文（all_data.pkl）的解释

W,HW,HW,H: 网格的横纵坐标（20*20）

格式

pkl文件是python里面保存文件的一种格式，如果直接打开会显示一堆序列化的东西（二进制文件）。

常用于保存神经网络训练的模型或者各种需要存储的数据。一般而言，通过pandas可以读取为numpy数组。

如何读取四维数组？

四维数组不好直观在Excel等软件中展示。一个很显然的想法是进行数据降维，固定某1-3个维度，展示其它维度的数据分布。

读空间分布

求每个网格在所有时间内的Accident次数总和分布，用热力图展示

import pandas as pdimport numpy as npimport seaborn as sbdf = pd.read_pickle("./all_data.pkl")# (T, F, W, H)d_accident = df[:,0,:,:]print(d_accident.shape) # T,W,H# spatial distributiond2 = sum(d_accident)print(d2.shape)d2 = pd.DataFrame(d2).astype(float)print(d2.shape)

**结果：**可以发现，在某一地区，事故比较集中。

读时间分布

求每个时段在所有空间内的Accident次数总和分布，用折线图展示

# temporal distributiond_3 = np.sum(d_accident,axis = 1)print(d_3.shape)d_4 = np.sum(d_3,axis = 1)print(d_4.shape)d4 = pd.DataFrame(d_4).astype(float)import matplotlib.pyplot as pltx = np.linspace(0,len(d4),len(d4))plt.plot(x, d4.values)plt.show()

结果：可以发现事故在时间上具有一定的周期性，整体而言比较平稳。