HASC Dataset Loader

HASC

HASCデータセット(HASC-PAC2016)に記録されているセンサデータとメタデータを読み込む．

Parameters:

Name	Type	Description	Default
path	Path	HASCデータセットのパス．BasicActivityディレクトリの親ディレクトリのパスを指定する．	required
meta_cache_path	Optional[Path]	メタデータのキャッシュファイルのパス． 何も指定されない場合(meta_cache_path=None)，メタデータの作成を行うが，キャッシュファイルは作成しない． ファイル名が指定された場合，そのファイルが存在すればそこからメタデータを読み込み，存在しなければメタデータの作成を行い指定したファイルパスにダンプする．	required

load(self, window_size, stride, ftrim=0, btrim=0, queries=None, y_labels='activity')

HASCデータセットを読み込み，sliding-window処理を行ったデータを返す．

ここでは3軸加速度センサデータのみを扱う．

Parameters:

Name	Type	Description	Default
window_size	int	フレーム分けするサンプルサイズ	required
stride	int	ウィンドウの移動幅	required
ftrim	int	セグメント先頭のトリミングサイズ ここで指定する値はトリミングする時系列センサデータのデータ長である． 他のデータセットでは秒数を指定するが，HASCデータセットは異なるサンプリングレートのデータが混在しているため，秒数ではなくデータ長で指定する． btrimにおいても同様．	0
btrim	int	セグメント末尾のトリミングサイズ	0
queries	Optional[dict]	メタ情報に基づいてフィルタリングを行うためのクエリ． Keyはフィルタリングのラベル(Supported: Frequency, Height, Weight, Gender) Valueはクエリ文字列(DataFrame.queryに準拠) 詳しい使い方は後述．	None
y_labels	Union[str, list]	ターゲットデータとしてロードするデータの種類を指定． listで指定した場合，その順序が返されるターゲットラベルにも反映される． サポートする種類は以下の通り(今後拡張予定)． 'activity' 'frequency' 'gender' 'height' 'weight' 'person'	'activity'

Examples:

サンプリングレートが100Hz and 身長が170cmより大きい and 体重が100kg以上でフィルタリング

>>> hasc_path = Path('/path/to/dataset/HASC-PAC2016/')  # HASCデータセットパス
>>> hasc = HASC(hasc_path, Path('D:/datasets/HASC-PAC2016/BasicActivity/hasc.csv'))
>>> queries = {
>>>     'Frequency': 'Frequency == 100', # サンプリングレートが100Hzのデータのみを取得
>>>     'Height': 'Height > 170',   # 身長が170cmより大きい人
>>>     'Weight': 'Weight >= 100',   # 体重が100kg以上の人
>>> }
>>>
>>> y_labels = ['activity', 'person']    # ターゲットラベルとしてacitivityとpersonを取り出す
>>>
>>> # yのaxis=1にはactivity, personの順でターゲットラベルが格納されている．
>>> x, y, act2id = hasc.load(window_size=256, stride=256, queries=queries, ftrim=2*100, btrim=2*100, y_labels=y_labels)
>>>
>>> print(f'x: {x.shape}, y: {y.shape}')
>>> # > x: (?, 3, 256), y: (?, 2)

Returns:

Type	Description
Tuple[numpy.ndarray, numpy.ndarray]	sliding-windowで切り出した入力とターゲットのフレームリスト． x_framesは3次元配列で構造は大まかに(Batch, Channels, Frame)のようになっている． Channelsは加速度センサの軸を表しており，先頭からx, y, zである． y_framesはy_labelsで指定したターゲットラベルであり， y_frames(axis=1)のラベルの順序はy_labelsのものが保持されている．

load(path, meta)

Function for loading HASC dataset

Parameters:

Name	Type	Description	Default
path	Union[pathlib.Path, str]	Directory path of HASC dataset, which is parent directory of "BasicActivity" directory.	required
meta	DataFrame	meta data loaded by 'load_meta'.	required

Returns:

Type	Description
Tuple[List[pandas.core.frame.DataFrame], pandas.core.frame.DataFrame]	Sensor data segmented by activity and subject.

load_meta(path)

Function for loading meta data of HASC dataset

Parameters:

Name	Type	Description	Default
path	Path	Directory path of HASC dataset, which is parent directory of "BasicActivity" directory.	required

Returns:

Type	Description
DataFrame	meta data of HASC dataset.

load_raw(path, meta=None)

Function for loading raw data of HASC dataset

Parameters:

Name	Type	Description	Default
path	Path	Directory path of HASC dataset, which is parent directory of "BasicActivity" directory.	required
meta	Optional[pandas.core.frame.DataFrame]	meta data loaded by 'load_meta'.	None

Returns:

Type	Description
Tuple[List[pandas.core.frame.DataFrame], pandas.core.frame.DataFrame]	raw data of HASC dataset. Each item in 'data' is a part of dataset, which is splited by subject.