从错误信息来看，问题是出现在 `pd.concat(data_list)` 的时候。`data_list` 中存放的是 NumPy 数组 (`df.values`) 而不是 Pandas 的 Series 或 DataFrame 对象。因此，在尝试对它们进行拼接时会报错。 以下是解决该问题的具体步骤： --- ### 解决方案 #### 修改 `data_list.append(df.values)` 目前你在读取 CSV 文件后直接将 `df.values`（即 NumPy 数组）添加到了 `data_list` 列表中。而 `pd.concat()` 只能接受 Pandas 的 Series 或 DataFrame 类型的数据作为输入。 可以修改这部分代码如下： ```python # 替代 df.values 直接追加原始 DataFrame data_list.append(df) ``` 这样一来，`data_list` 中就只包含 DataFrame 对象了，而不是 NumPy 数组。后续的 `pd.concat(data_list)` 就能够正常工作了。 --- #### 其他潜在改进点 1. **检查空文件** 如果某些 `.csv` 文件为空，则可能会导致生成的 DataFrame 也是空的。这种情况下建议跳过这些文件： ```python if df.empty: print(f"{file_path} is empty, skipping...") continue ``` 2. **导入 numpy 库** 错误提示中出现了 `np.array(labels)`，但是你并没有在开头导入 Numpy 库。需要加上以下一行： ```python import numpy as np ``` 3. **确保数据一致性** 确保所有读入的 CSV 文件结构一致（例如列数相同），否则合并的时候会出现异常。 --- ### 最终修复后的完整代码片段 下面是修正之后的关键部分代码示例： ```python import os import pandas as pd import numpy as np from sklearn.model_selection import train_test_split # 定义根目录路径 root_dir = "风扇端" # 初始化列表存储数据和对应的类别标签 data_list = [] # 改为仅存 DataFrame labels = [] # 遍历内圈故障和球故障文件夹中的所有CSV文件 for label_idx, folder in enumerate(["内圈故障", "球故障"]): folder_path = os.path.join(root_dir, folder) # 检查是否为有效文件夹 if not os.path.isdir(folder_path): continue for file_name in os.listdir(folder_path): if file_name.endswith(".csv"): file_path = os.path.join(folder_path, file_name) try: df = pd.read_csv(file_path) # 假设无表头 # 如果 DataFrame 是空的则跳过此文件 if df.empty: print(f"{file_path} is empty, skipping...") continue data_list.append(df) # 使用原始 DataFrame 而非其 values 属性 labels.extend([label_idx] * len(df)) # 添加对应标签 except Exception as e: print(f"无法处理 {file_path}: {e}") # 合并所有数据到一个DataFrame all_data = pd.concat(data_list).reset_index(drop=True) # 转换为NumPy数组形式便于操作 X = all_data.to_numpy() y = np.array(labels) # 数据划分 - 训练集(80%) 和 测试+验证集(20%) X_train, X_temp, y_train, y_temp = train_test_split( X, y, test_size=0.2, random_state=42, stratify=y) # 进一步将剩余部分划分为测试集 (50%) 和验证集 (50%) X_val, X_test, y_val, y_test = train_test_split( X_temp, y_temp, test_size=0.5, random_state=42, stratify=y_temp) print("训练集大小:", X_train.shape[0]) print("验证集大小:", X_val.shape[0]) print("测试集大小:", X_test.shape[0]) # 存储分割后的数据为CSV文件 pd.DataFrame(np.column_stack((X_train, y_train))).to_csv('train.csv', index=False, header=None) pd.DataFrame(np.column_stack((X_val, y_val))).to_csv('val.csv', index=False, header=None) pd.DataFrame(np.column_stack((X_test, y_test))).to_csv('test.csv', index=False, header=None) print("已成功导出 train.csv, val.csv, test.csv") ``` ---