＃ 遍历所有图像
   for img＿id， img＿fname， w， h， meta in get＿meta（coco）：
       images＿data．append（｛
           ＇image＿id＇： int（img＿id），
           ＇path＇： img＿fname，
           ＇width＇： int（w），
           ＇height＇： int（h）
       ｝）
       
       ＃ 遍历所有元数据
       for m in meta：
           persons＿data．append（｛
               ＇image＿id＇： m［＇image＿id＇］，
               ＇is＿crowd＇： m［＇iscrowd＇］，
               ＇bbox＇： m［＇bbox＇］，
               ＇area＇： m［＇area＇］，
               ＇num＿keypoints＇： m［＇num＿keypoints＇］，
               ＇keypoints＇： m［＇keypoints＇］，
           ｝）
           
   ＃ 创建带有图像路径的数据帧
   images＿df ＝ pd．DataFrame（images＿data）
   images＿df．set＿index（＇image＿id＇， inplace＝True）
   
   ＃ 创建与人相关的数据帧
   persons＿df ＝ pd．DataFrame（persons＿data）
   persons＿df．set＿index（＇image＿id＇， inplace＝True）
   return images＿df， persons＿df
我们使用get＿meta函数构造两个数据帧—一个用于图像路径，另一个用于人的元数据。在一个图像中可能有多个人，因此是一对多的关系。在下一步中，我们合并两个表（left join操作）并将训练集和验证集组合，另外，我们添加了一个新列source，值为0表示训练集，值为1表示验证集。这样的信息是必要的，因为我们需要知道应该在哪个文件夹中搜索图像。如你所知，这些图像位于两个文件夹中：train2017／和val2017／images＿df， persons＿df ＝ convert＿to＿df（train＿coco）
train＿coco＿df ＝ pd．merge（images＿df， persons＿df， right＿index＝True， left＿index＝True）
train＿coco＿df［＇source＇］ ＝ 0
images＿df， persons＿df ＝ convert＿to＿df（val＿coco）
val＿coco＿df ＝ pd．merge（images＿df， persons＿df， right＿index＝True， left＿index＝True）
val＿coco＿df［＇source＇］ ＝ 1
coco＿df ＝ pd．concat（［train＿coco＿df， val＿coco＿df］， ignore＿index＝True）
最后，我们有一个表示整个COCO数据集的数据帧。图像中有多少人现在我们可以执行第一个分析。COCO数据集包含多个人的图像，我们想知道有多少图像只包含一个人。代码如下：＃ 计数
annotated＿persons＿df ＝ coco＿df［coco＿df［＇is＿crowd＇］ ＝＝ 0］
crowd＿df ＝ coco＿df［coco＿df［＇is＿crowd＇］ ＝＝ 1］
print（＂Number of people in total： ＂ ＋ str（len（annotated＿persons＿df）））
print（＂Number of crowd annotations： ＂ ＋ str（len（crowd＿df）））
persons＿in＿img＿df ＝ pd．DataFrame（｛
   ＇cnt＇： annotated＿persons＿df［＇path＇］．value＿counts（）
｝）
persons＿in＿img＿df．reset＿index（level＝0， inplace＝True）
persons＿in＿img＿df．rename（columns ＝ ｛＇index＇：＇path＇｝， inplace ＝ True）
＃ 按cnt分组，这样我们就可以在一张图片中得到带有注释人数的数据帧
persons＿in＿img＿df ＝ persons＿in＿img＿df．groupby（［＇cnt＇］）．count（）
＃ 提取数组
x＿occurences ＝ persons＿in＿img＿df．index．values
y＿images ＝ persons＿in＿img＿df［＇path＇］．values
＃ 绘图
plt．bar（x＿occurences， y＿images）
plt．title（＇People on a single image ＇）
plt．xticks（x＿occurences， x＿occurences）
plt．xlabel（＇Number of people in a single image＇）
plt．ylabel（＇Number of images＇）
plt．show（）
结果图表：

如你所见，大多数COCO图片都包含一个人。但也有相当多的13个人的照片，让我们举几个例子：

好吧，甚至有一张图片有19个注解（非人群）：

这个图像的顶部区域不应该标记为一个人群吗？是的，应该，但是，我们有多个没有关键点的边界框！这样的注释应该像对待人群一样对待，这意味着它们应该被屏蔽。在这张图片中，只有中间的3个方框有一些关键点。让我们来优化查询，以获取包含有／没有关键点的人图像的统计信息，以及有／没有关键点的人的总数：annotated＿persons＿nokp＿df ＝ coco＿df［（coco＿df［＇is＿crowd＇］ ＝＝ 0） ＆ （coco＿df［＇num＿keypoints＇］ ＝＝ 0）］
annotated＿persons＿kp＿df ＝ coco＿df［（coco＿df［＇is＿crowd＇］ ＝＝ 0） ＆ （coco＿df［＇num＿keypoints＇］ ＞ 0）］
print（＂Number of people （with keypoints） in total： ＂ ＋
       str（len（annotated＿persons＿kp＿df）））
print（＂Number of people without any keypoints in total： ＂ ＋
       str（len（annotated＿persons＿nokp＿df）））
persons＿in＿img＿kp＿df ＝ pd．DataFrame（｛
   ＇cnt＇： annotated＿persons＿kp＿df［［＇path＇，＇source＇］］．value＿counts（）
｝）
persons＿in＿img＿kp＿df．reset＿index（level＝［0，1］， inplace＝True）
persons＿in＿img＿cnt＿df ＝ persons＿in＿img＿kp＿df．groupby（［＇cnt＇］）．count（）
x＿occurences＿kp ＝ persons＿in＿img＿cnt＿df．index．values
y＿images＿kp ＝ persons＿in＿img＿cnt＿df［＇path＇］．values
f ＝ plt．figure（figsize＝（14， 8））
width ＝ 0．4
plt．bar（x＿occurences＿kp， y＿images＿kp， width＝width， label＝＇with keypoints＇）
plt．bar（x＿occurences ＋ width， y＿images， width＝width， label＝＇no keypoints＇）
plt．title（＇People on a single image ＇）
plt．xticks（x＿occurences ＋ width／2， x＿occurences）
plt．xlabel（＇Number of people in a single image＇）
plt．ylabel（＇Number of images＇）
plt．legend（loc ＝ ＇best＇）
plt．show（）
现在我们可以看到区别是明显的。

虽然COCO官方页面上描述有25万人拥有关键点，而我们只有156165个这样的例子。他们可能应该删除了“带关键点”这几个字。添加额外列一旦我们将COCO转换成pandas数据帧，我们就可以很容易地添加额外的列，从现有的列中计算出来。我认为最好将所有的关键点坐标提取到单独的列中，此外，我们可以添加一个具有比例因子的列。特别是，关于一个人的边界框的规模信息是非常有用的，例如，我们可能希望丢弃所有太小规模的人，或者执行放大操作。为了实现这个目标，我们使用Python库sklearn中的transformer对象。一般来说，sklearn transformers是用于清理、减少、扩展和生成数据科学模型中的特征表示的强大工具。我们只会用一小部分的api。代码如下：from sklearn．base import BaseEstimator， TransformerMixin
class AttributesAdder（BaseEstimator， TransformerMixin）：
   def ＿＿init＿＿（self， num＿keypoints， w＿ix， h＿ix， bbox＿ix， kp＿ix）：
       ＂＂＂
       ：param num＿keypoints： 关键点的数量
       ：param w＿ix： 包含图像宽度的列索引
       ：param h＿ix： 包含图像高度的列索引
       ：param bbox＿ix： 包含边框数据的列索引
       ：param kp＿ix： 包含关键点数据的列索引
       ＂＂＂
       self．num＿keypoints ＝ num＿keypoints
       self．w＿ix ＝ w＿ix
       self．h＿ix ＝ h＿ix
       self．bbox＿ix ＝ bbox＿ix
       self．kp＿ix ＝ kp＿ix
       
   def fit（self， X， y＝None）：
       return self
     
   def transform（self， X）：
     
       ＃ 检索特定列
       
       w ＝ X［：， self．w＿ix］
       h ＝ X［：， self．h＿ix］
       bbox ＝ np．array（X［：， self．bbox＿ix］．tolist（））  ＃ to matrix
       keypoints ＝ np．array（X［：， self．kp＿ix］．tolist（）） ＃ to matrix