Python 脚本：从 CSV 文件计算肿瘤和周围组织的电导率

import numpy as np
import pandas as pd
import os

def calculate_conductivity(df, df_saline_median):
    conductivity_list = [976, 1987, 3850, 5650, 7450, 9238]
    conductivity_list.reverse()
    result = []
    for i in range(len(freq_list)):
        ans = df_saline_median.iloc[:, i:i + 1]
        ans = ans.values.tolist()
        new_ans = sorted([ans[j][0] for j in range(len(ans))])
        result.append(np.interp(df.iloc[:, i + 2:i + 3].median(), new_ans, conductivity_list))
    return result

# 定义文件夹路径
folder_path = './test1/'

# 遍历文件夹内的所有csv文件
for file_name in os.listdir(folder_path):
    if file_name.endswith('.csv'):
        # 读取csv文件
        df = pd.read_csv(os.path.join(folder_path, file_name), encoding='utf-8')
        df = df.iloc[:, 1:18]
        df_tumor = df[df['name'] == 'tumor']
        df_peritumor = df[df['name'] == 'peritumor']
        df['name'] = df['name'] + df['property']
        
        # 将每个样本按照property分组
        tumor_dict = {}
        peritumor_dict = {}
        for name in ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H']:
            df_tumor_name = df_tumor[df_tumor['property'] == name]
            df_peritumor_name = df_peritumor[df_peritumor['property'] == name]
            tumor_dict[name] = df_tumor_name
            peritumor_dict[name] = df_peritumor_name

        # 计算saline的中位数
        concentration_list = ['saline0.05%', 'saline0.10%', 'saline0.20%', 'saline0.30%', 'saline0.40%', 'saline0.50%']
        df_saline_median = pd.DataFrame(columns=['1kHz_mag', '2kHz_mag', '3kHz_mag', '7kHz_mag', '11kHz_mag', '17kHz_mag',
                                                 '23kHz_mag', '31kHz_mag', '43kHz_mag', '61kHz_mag', '89kHz_mag', '127kHz_mag',
                                                 '179kHz_mag', '251kHz_mag', '349kHz_mag'])
        for i in concentration_list:
            saline_group = df[df['name'] == i]
            saline_median = saline_group[['1kHz_mag', '2kHz_mag', '3kHz_mag', '7kHz_mag', '11kHz_mag', '17kHz_mag',
                                          '23kHz_mag', '31kHz_mag', '43kHz_mag', '61kHz_mag', '89kHz_mag', '127kHz_mag',
                                          '179kHz_mag', '251kHz_mag', '349kHz_mag']].median()
            df_saline_median.loc[i] = saline_median
            
        # 计算每个样本的电导率并存储结果
        freq_list = [1, 2, 3, 7, 11, 17, 23, 31, 43, 61, 89, 127, 179, 251, 349]
        conductivity_list = [976, 1987, 3850, 5650, 7450, 9238]
        conductivity_list.reverse()
        tumor_results = []
        peritumor_results = []
        for name in ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H']:
            tumor_result = calculate_conductivity(tumor_dict[name], df_saline_median)
            tumor_result = ' '.join(str(i[0]) for i in tumor_result)
            tumor_results.append(tumor_result)
            
            peritumor_result = calculate_conductivity(peritumor_dict[name], df_saline_median)
            peritumor_result = ' '.join(str(i) for i in peritumor_result)
            peritumor_results.append(peritumor_result)
            
        # 写入结果文件
        for i, name in enumerate(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H']):
            with open(os.path.join(folder_path, file_name[:-4] + f'_tumor_{name}.txt'), 'w') as f:
                f.write(tumor_results[i])
                
            with open(os.path.join(folder_path, file_name[:-4] + f'_peritumor_{name}.txt'), 'w') as f:
                f.write(peritumor_results[i])

该脚本使用 os.listdir 函数遍历文件夹内的所有文件，并使用 pd.read_csv 函数读取每个 CSV 文件。然后，根据样本类型和特性计算电导率，并将结果写入相应的文本文件。

使用方法：

1. 将脚本保存为 Python 文件，例如 calculate_conductivity.py。
2. 将 CSV 文件放置在 test1 文件夹中。
3. 运行脚本，例如：python calculate_conductivity.py。

注意：

• 该脚本假定 CSV 文件包含名为 name 和 property 的列，以及一系列频率相关的磁场测量值（例如 1kHz_mag，2kHz_mag 等）。
• 该脚本使用 np.interp 函数进行线性插值计算电导率。
• 可以根据需要修改脚本中使用的电导率列表和频率列表。
• 输出文件将命名为 [文件名]_tumor_[特性].txt 和 [文件名]_peritumor_[特性].txt，例如 data_tumor_A.txt 和 data_peritumor_A.txt。