landmark数据如何转换为csv格式？
软件: landmark
不同场景下Landmark数据转换为CSV格式的方法
1. 地质/石油工程领域Landmark软件数据导出
LandMark（如Landmark Compass）作为石油工程常用软件，其轨迹、层位、断层等数据可通过内置功能导出为CSV格式，步骤如下：
轨迹数据导出：在“Well Path Setup”中确认轨迹参数（如造斜率、稳斜段长度）符合设计要求，通过“Target Editor”校准靶点坐标（垂深TVD、东西/南北位移）；进入导出界面，选择“CSV”格式，设置坐标系（建议转换为WGS84以避免偏移），保存即可得到包含测深（MD）、井斜角（Inclination）、方位角（Azimuth）等参数的CSV文件。
层位/断层数据导出：LandMark的层位数据通常存储为*.fmt格式（如hz3dtr.fmt），断层数据为*.fault_fmt格式。可通过“Data Management”模块中的“Export”功能，选择对应数据类型，导出为CSV格式（需注意保留层位名、深度、断层名、坐标等关键字段）。
2. 媒体Pipe手部/面部关键点数据转换为CSV
使用MediaPipe提取的手部、面部关键点数据（如21个手部关键点的x/y/z坐标及可见性），可通过Python代码结构化后保存为CSV：
手部关键点示例：通过mp.solutions.hands处理图像，获取multi_hand_landmarks数据，遍历每个手的关键点，提取landmark.x（归一化x坐标）、landmark.y（归一化y坐标）、landmark.z（归一化z坐标），组合成“image_id, x1, y1, z1, x2, y2, z2, ..., label”的格式（label为手势类别，如“wave”），使用pandas.DataFrame.to_csv()保存。
面部关键点示例：项目如Face_Landmark_Link（基于MediaPipe Face_Landmarker），可直接运行脚本提取面部混合形状数据，输出为CSV格式（包含时间戳、各混合形状的值），适用于Blender、Unreal Engine等3D软件。
3. 生存分析中的Landmark数据整理
在生存分析的Landmark模型中，需将原始随访数据（如patnr个体ID、survtime生存时间、d事件状态、wbctime指标测量时间）整理为“时间窗起始点（LM）、截断后生存时间（Tstart）、事件状态（d）、协变量（如sokal、age、lwbc）”的格式，再保存为CSV：
代码示例（R语言）：使用purrr::map_dfr遍历多个预测时间点（如LM=2、4），筛选风险集内个体（survtime > LM），截断生存时间（pmin(survtime, LM+5)），获取每个个体在LM前的最近指标测量记录（group_by(patnr) %>% filter(row_number() == which(wbctime == max(wbctime)))），最后合并所有时间点的数据并保存为CSV。
4. MongoDB Compass地理空间数据导出
若Landmark数据存储为MongoDB中的GeoJSON格式（如轨迹点的{"type":"Point","coordinates":[经度,纬度]}），可通过以下步骤导出CSV：
操作步骤：进入集合，点击“Export Data”，选择“CSV”格式；可选中“Flatten nested documents”（扁平化嵌套文档），确保坐标字段（如coordinates）被正确展开为“longitude,latitude”；导出后需验证坐标系（建议为WGS84）。
上面方法覆盖了不同场景下Landmark数据转换为CSV的常见流程，需根据数据来源（如软件、传感器、数据库）选择对应方式。
1. 地质/石油工程领域Landmark软件数据导出
LandMark（如Landmark Compass）作为石油工程常用软件，其轨迹、层位、断层等数据可通过内置功能导出为CSV格式，步骤如下：
轨迹数据导出：在“Well Path Setup”中确认轨迹参数（如造斜率、稳斜段长度）符合设计要求，通过“Target Editor”校准靶点坐标（垂深TVD、东西/南北位移）；进入导出界面，选择“CSV”格式，设置坐标系（建议转换为WGS84以避免偏移），保存即可得到包含测深（MD）、井斜角（Inclination）、方位角（Azimuth）等参数的CSV文件。
层位/断层数据导出：LandMark的层位数据通常存储为*.fmt格式（如hz3dtr.fmt），断层数据为*.fault_fmt格式。可通过“Data Management”模块中的“Export”功能，选择对应数据类型，导出为CSV格式（需注意保留层位名、深度、断层名、坐标等关键字段）。
2. 媒体Pipe手部/面部关键点数据转换为CSV
使用MediaPipe提取的手部、面部关键点数据（如21个手部关键点的x/y/z坐标及可见性），可通过Python代码结构化后保存为CSV：
手部关键点示例：通过mp.solutions.hands处理图像，获取multi_hand_landmarks数据，遍历每个手的关键点，提取landmark.x（归一化x坐标）、landmark.y（归一化y坐标）、landmark.z（归一化z坐标），组合成“image_id, x1, y1, z1, x2, y2, z2, ..., label”的格式（label为手势类别，如“wave”），使用pandas.DataFrame.to_csv()保存。
面部关键点示例：项目如Face_Landmark_Link（基于MediaPipe Face_Landmarker），可直接运行脚本提取面部混合形状数据，输出为CSV格式（包含时间戳、各混合形状的值），适用于Blender、Unreal Engine等3D软件。
3. 生存分析中的Landmark数据整理
在生存分析的Landmark模型中，需将原始随访数据（如patnr个体ID、survtime生存时间、d事件状态、wbctime指标测量时间）整理为“时间窗起始点（LM）、截断后生存时间（Tstart）、事件状态（d）、协变量（如sokal、age、lwbc）”的格式，再保存为CSV：
代码示例（R语言）：使用purrr::map_dfr遍历多个预测时间点（如LM=2、4），筛选风险集内个体（survtime > LM），截断生存时间（pmin(survtime, LM+5)），获取每个个体在LM前的最近指标测量记录（group_by(patnr) %>% filter(row_number() == which(wbctime == max(wbctime)))），最后合并所有时间点的数据并保存为CSV。
4. MongoDB Compass地理空间数据导出
若Landmark数据存储为MongoDB中的GeoJSON格式（如轨迹点的{"type":"Point","coordinates":[经度,纬度]}），可通过以下步骤导出CSV：
操作步骤：进入集合，点击“Export Data”，选择“CSV”格式；可选中“Flatten nested documents”（扁平化嵌套文档），确保坐标字段（如coordinates）被正确展开为“longitude,latitude”；导出后需验证坐标系（建议为WGS84）。
上面方法覆盖了不同场景下Landmark数据转换为CSV的常见流程，需根据数据来源（如软件、传感器、数据库）选择对应方式。
相关推荐
