如何使用numpy向量化有条件的掩码加权平均值？
使用numpy向量化有条件的掩码加权平均值，可以按照以下步骤进行：
步骤1：导入numpy库
import numpy as np步骤2：创建输入数组arr和条件数组mask
arr = np.array([1, 2, 3, 4, 5])
mask = np.array([True, False, True, False, True])步骤3：计算加权平均值
weighted_avg = np.average(arr, weights=mask)在这个例子中，我们使用了numpy的average函数来计算加权平均值。输入数组arr是待计算的数组，条件数组mask用来指定加权的条件，True表示参与加权计算，False表示不参与加权计算。
步骤4：打印结果
print(weighted_avg)完整代码示例：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
mask = np.array([True, False, True, False, True])
weighted_avg = np.average(arr, weights=mask)
print(weighted_avg)输出结果为：
2.6666666666666665这个结果是根据条件数组mask中的True和False来计算加权平均值得出的。
推荐的腾讯云产品：
- 腾讯云服务器（云服务器ECS）：https://cloud.tencent.com/product/cvm
- 腾讯云对象存储（对象存储COS）：https://cloud.tencent.com/product/cos
- 腾讯云数据库（云数据库MySQL）：https://cloud.tencent.com/product/cdb
- 腾讯云人工智能（腾讯云AI）：https://cloud.tencent.com/product/ai
相关·内容
有办法优化这段代码吗？用我目前的im值，我需要28秒。不知道这次我能不能减少。
im = output_image[-min_xy[1]:-min_xy[1] + image_2.shape[0], -min_xy[0]:-min_xy[0] + image_2.shape[1]]
for idx, rk in enumerate(im):
for ix, k in enumerate(rk):
image_2[idx][ix] = avg(im[idx][ix], image_2[idx][ix])
type(image_2)和type(im)
浏览 3提问于2017-10-18得票数 0
回答已采纳
将学习python3.x作为业余爱好。我写了一个简单的像素搜索：
im = Image.open("photo.jpg").convert('RGB').Load
for x1, y1 in product(range(300, 1100, 1), range(200, 500, 1)):
r,g,b =im[x1,y1]
rx,gx,bx = 200, 20, 20
if abs(rx - r)<=5 and abs(gx - g)<=5 and
浏览 12提问于2017-07-20得票数 0
1回答
当我在完全屏蔽的掩码数组中计算加权平均值时，我得到了weights=None或weights=1的不同结果：
import numpy.ma as ma
a = ma.arange(2.)
a[:] = ma.masked # fully masked
ma.average(a) # returns NaN, which is ok since all elements are masked
ma.average(a, weights=None, returned=True)
浏览 0提问于2012-12-11得票数 1
actualrgn是一个包含3145728个元素的一维numpy.ndarray。actualrgnexpand是一个尺寸为12x3145728的二维numpy.ndarray。
for j in range(len(actualrgn)):
for i in reversed(range(12)):
if actualrgn[j] >= 2**i:
actualrgnexpand[i][j] = 1
actualrgn[j] -= 2**i
是否有可能将上述内容矢量化，从而使actualrgn元素的外部循环丢失？我
浏览 0提问于2014-11-28得票数 0
回答已采纳
假设我有这样的代码：
import numpy as np
def value_error(x):
if x > 10:
return 0.
else:
return np.sin(x)
如果在numpy数组上被调用，这可能会给我一个ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()。
现在我可以这样做了：
def alright(x):
return np.sin(x) *
浏览 8提问于2017-12-11得票数 1
回答已采纳
1回答
如何使用一维数组从3d数组中选择一组元素。
#These are my 3 data types
# A = numpy.ndarray[numpy.ndarray[float]]
# B1 = numpy.ndarray[numpy.ndarray[numpy.ndarray[float]]]
#B2=numpy.ndarray[numpy.ndarray[numpy.ndarray[float]]]
#I want to choose values from A based on values from B1 in the B2
这是我尝试过的，但它返回了所有的False
A2[i]=im
浏览 1提问于2016-11-19得票数 2
回答已采纳
2回答
我希望避免使用apply()方法，而是将数据处理向量化。
我有一个基于少数"if“和"else”条件的数据存储桶函数。如何将数据传递给此函数？
def my_function(id):
if 0 <= id <= 30000:
cal_score = 5
else:
cal_score = 0
return cal_score
Apply()有效，它遍历每一行
但是，apply()在处理大量数据时速度很慢。(我的场景)
df['final_score'] = df.apply(lambd
浏览 1提问于2019-04-09得票数 1
1回答
我正在试着解决熊猫的问题陈述。熊猫的数据框如下所示： import numpy as np
np.random.seed(0)
import time
import pandas as pd
dataframe = pd.DataFrame({'operation': ['data_a', 'data_b', 'avg', 'concat', 'sum', 'data_a', 'concat']*100,
'data_a'
浏览 30提问于2020-09-06得票数 0
回答已采纳
我有一个很大的numpy.ndarray，我需要根据一个列的值降低这个数组的样本。我的解决方案很有效，但速度很慢。
data_table = data_table[[i for i in range(0, len(data_table)) if data_table[i][7] > 0.2 and data_table[i][7] < 0.75]]
有人知道最快的方法是什么吗？
浏览 2提问于2017-09-27得票数 1
回答已采纳
我有这样的代码
>>> import pandas as pd
>>> import numpy as np
>>>
>>> df1 = pd.DataFrame({'value':[10,20,np.nan,40],
... 'weight':[1,np.nan,3,4]})
>>> df1
value weight
0 10.0 1.0
1 20.0 NaN
2 NaN 3
浏览 0提问于2017-03-17得票数 1
回答已采纳
我正在编写python中的一个程序，它使用一个非常类似于addWeighted函数的openCV函数。不同之处在于，它实际上并没有添加表示图像的numpy数组，而是在任何特定的坐标下取哪个像素更亮，并使用该值。
然而，我发现，尽管这些函数做的事情非常相似，但addWeighted函数的速度要快得多。因此，我的问题是，我如何能够修改我目前的解决方案，使之同样快？我是否可以使用multiprocessing模块，或者类似的方式？
以下是代码：
image = np.zeros(image_1.shape)
for row_index, row in enumerate(image_1):
浏览 0提问于2017-07-17得票数 2
回答已采纳
1回答
我感兴趣的是根据使用numpy的匹配布尔掩码为特定的轴从全局2D数组生成np.arrays列表(或np.arrays)。我想知道是否可以使用np.ma.mask()或类似的.
举个例子也许更好：
number= 10
x = np.linspace(0,number,num=number+1,dtype=int)
B = np.vstack((x%3==0, x%2==0, x%1==0))
X = np.vstack((x//3, x//2, x-1))
list_ = []
for i in range(1,number+1):
pointer = X[:,i][B[:,i]]
浏览 0提问于2016-04-28得票数 2
回答已采纳
1回答
我已经写了一个代码，得到一些顶点，并根据一些规则重新排列它们。当输入包含大数据时，代码运行非常慢，例如，对于60000个循环，在运行时需要花费大约15个小时。我发现JAX是最好的库之一，并试图使用它，但由于缺乏处理这些大数据及其相关方法(如并行化)的经验，我遇到了一些问题。创建以下小示例是为了显示代码所做的工作：
import numpy as np
# <class 'numpy.ma.core.MaskedArray'> <class 'numpy.ma.core.MaskedArray'> (m, 4) <class
浏览 6提问于2021-10-03得票数 1
回答已采纳
我有一个n，m形状的numpy矩阵A和一个长度为n的数组b，我需要的是取A第1行中的bi最小元素的和。因此，代码可能如下所示：
A = np.array([[1,2,3],
[4,5,6],
[7,8,9]])
b = np.array([2,3,1])
sums = magic_function() #sums = [3, 15, 7]
我考虑过np.apply_along_axis()函数，但在本例中，您的函数似乎只能依赖行本身。
浏览 3提问于2017-11-05得票数 2
回答已采纳
我在看这个问题：
我有一个类似的问题，但是对于一个二维数组，几个坐标和值存储在一个NumPy数组的行中。我如何才能像上面的问题那样进行类似的过滤？
我的数据如下所示：
>>> A.shape
(4269862, 5)
>>> A[0]
array([ 2.27011719e+02, 0.00000000e+00, 2.88134766e+02,
2.00000000e+00, 7.69880000e+04], dtype=float32)
这些值对应于X、Y、Z以及value1和value2。我想要的是有效地得到eg。X在3
浏览 0提问于2013-06-23得票数 0
回答已采纳
2回答
我尝试只将包含Atom_No 1的行写入数组x_o，y_o..但我遇到了越界错误。X包含678个元素，X_o的形状为226。Atom_No看起来像这个1,2,3,1,2,3,1,2,3....我要的坐标和这些坐标相对应。
ii=0
x_o=numpy.zeros((226))
y_o=numpy.zeros((226))
z_o=numpy.zeros((226))
for i in range(678):
if (Atom_No[i]==1):
ii=ii+1
x_o[ii]=x[ii]
y_o[ii]=y[ii]
z_
浏览 17提问于2017-07-24得票数 1
1回答
我正在尝试用JPEG用Numpy在Python中压缩灰度图像。我尝试了两种不同的量化方法:应用掩码和除以预定义的权重，但在这两种情况下，压缩图像的值都太高。
在python IDE中，原始图像和处理后的图像的打印输出如下所示：
Uncompressed:
[[23 25 26 ..., 17 18 19]
[23 25 26 ..., 16 17 18]
[24 25 27 ..., 15 16 16]
...,
[68 52 45 ..., 20 18 17]
[66 27 14 ..., 18 17 15]
[68 29 14 ..., 17 15 14]]
Comp
浏览 0提问于2015-12-17得票数 0
4回答
处理图像以提取绿色屏幕掩码
、、、、
我使用OpenCV处理图像，在我的代码中，我必须分别检查/编辑每个像素：
import cv2, numpy
# we just use an empty image for the purpose of this MCVE
img = cv2.imread("source.jpg")
width = len(img[0])
height = len(img)
empty_img = numpy.zeros((height, width, 3), numpy.uint8)
i = 0
r = 0
c = 0
for line in img:
c = 0
浏览 0提问于2018-01-01得票数 20
回答已采纳
我有一个2D numpy array。每一行都包含时间采样数据，这些数据必须与几个不同的可能标准相匹配。 对于每一行，必须应用几个不同的标准。每一行都是来自系统的数据，每个条件代表可以检测到的不同情况。如果行中的选择列在某个间隔内(大于和小于特定值)，则会检测到条件条件。 在numpy中，有没有一种方法可以非常快速有效地做到这一点？虽然我是numpy的新手，但我一直在四处寻找，并没有真正找到一种方法。 我在考虑一种散列机制，比如为每一行存储一些散列，并查看条件的散列是否与该行的散列匹配。但是，散列机制仅适用于固定值，而不适用于值的范围。因此，这并不是真正适用的。 示例数据： import n
浏览 18提问于2021-09-24得票数 2
2回答
我将一个内核分解成几个循环，以便随后将每个循环向量化。其中一个循环看起来像：
int *array1; //Its size is "size+1";
int *array2; //Its size is "size+1";
//All positions of array1 and array2 are set to 0 here;
int *sArray1 = array1+1; //Shift one position so I start writing on pos 1
int *sArray2 = array2+1; //Shift one po
浏览 1提问于2015-06-25得票数 2
1回答
我正在使用python创建一个应用程序来计算管道-胶带重叠(对分配器进行建模，将产品应用于旋转的滚筒上)。 我有一个程序可以正常工作，但速度很慢。我正在寻找一种解决方案来优化用于填充numpy数组的for循环。有人能帮我把下面的代码矢量化吗？ import numpy as np
import matplotlib.pyplot as plt
# Some parameters
width = 264
bbddiam = 940
accuracy = 4 #2 points per pixel
drum = np.zeros(accuracy**2 * width * bbddiam).
浏览 21提问于2020-01-04得票数 7
回答已采纳
下面的代码根据拆分函数生成子数组的列表。这里，我只是比较每个元组的第一个值，并根据生成子数组的差异。到目前一切尚好。
import numpy as np
f = np.genfromtxt("d_n_isogro_ms.txt", names=True, dtype=None, usecols=(1,-1))
dm = np.absolute(np.diff(f['mz']))
pos = np.where(dm > 2)[0] + 1
fsplit = np.array_split(f, pos)
这就是示例输入的样子(只摘录)：
[(270.0
浏览 0提问于2015-08-26得票数 2
回答已采纳
4回答
我有一个numpy数组，并且我希望排序最高值的索引优于0，例如：
[-0.4, 0.6, 0, 0, 0.4, 0.2, 0.7]
我想要：
[6, 1, 4, 5]
我可以使用我实现的函数来完成它，但是我想对于这类任务，Numpy中已经实现了一些东西。
浏览 4提问于2016-06-16得票数 2
回答已采纳
假设我们被给予在信源和信宿以及边缘e之间的一组路径P (具有相同长度)。在python中，我用一个列表和一对列表来表示，即， # source = 0, sink = 9
# Path i is giving by P[i]: P[i][j] is the node j.
# Path i is giving then by the edges (P[i][0], P[i][1]), (P[i][1], P[i][2]), (P[i][2], P[i][3]), ...
P = [[0, 1, 3, 5, 7, 9],
[0, 1, 4, 6, 8, 9],
[0,
浏览 16提问于2020-01-28得票数 1
回答已采纳
我想用一种numpy.mean矢量化的方法来计算大熊猫的每一行的唯一浮点数的均值(即numpy.mean)和sem (即scipy.stats.sem)。
示例输入：
import pandas as pd
t = pd.DataFrame(data={'c1':[1.,2.,3.,4.],
'c2':[1.,2.,3.,3.],
'c3':[1.,2.,2.,2.],
'c4':[1.,1.,
浏览 0提问于2018-08-23得票数 1
回答已采纳
我已经阅读了，并且理解Numpy数组不能在布尔上下文中使用。假设我想对一个函数的输入的有效性执行一个基于元素的布尔检查。我可以在仍然使用Numpy矢量化的同时实现这个行为吗?如果可以，如何实现？(如果不是，为什么？)
在下面的示例中，我从两个输入计算一个值，同时检查两个输入都是有效的(都必须大于0)
import math, numpy
def calculate(input_1, input_2):
if input_1 < 0 or input_2 < 0:
return 0
return math.sqrt(input_1) + math.sq
浏览 12提问于2020-06-30得票数 0
2回答
我对NumPy (或SciPy)非常陌生，来自Octave/Matlab，这对我来说似乎有点挑战性。
我正在阅读文档并编写一些基本功能。我偶然看到了这个部分：
它定义了以下功能：
def addsubtract(a, b):
if a > b:
return a - b
else:
return a + b
然后将其矢量化：
vec_addsubtract = np.vectorize(addsubtract)
但最后，它说：
这个特殊的函数可以用向量形式写成，而不用矢量法。
我不知道有什么别的方法来写这样的函数。那么向量形式是什么呢？
浏览 2提问于2020-09-24得票数 3
回答已采纳
2回答
X = np.array([[0, 1, 0, 1],
[1, 0, 1, 1],
[0, 0, 0, 1],
[1, 0, 1, 0]])
y = np.array([0, 1, 0, 1])
counts = {}
for label in np.unique(y):
counts[label] = X[y == label].sum(axis=0)
print("Feature counts: ", counts)'
这段代码的目的是检查一个类的特征不为零的次数，但是我不
浏览 1提问于2018-04-12得票数 0
我正在使用ngx-mask v11.1.5，并且在创建同时允许前导整数和省略整数的掩码时遇到了困难。例如，".5“和"0.5”都应该是可接受的输入，并将模型设置为"0.5“。
我试过使用掩码9*.0*，因为9*应该是0或更多的数字，但是当使用前导数字测试时，我无法输入小数，当测试没有前导数字时，我无法输入尾随数字。
浏览 6提问于2021-05-14得票数 0
1回答
我有一小段代码，我正在尝试理解如何使用另一个numpy数组作为另一个numpy数组的索引。
bmi = np.array([13,14,15,22])
light = np.array(bmi) < 21
print(bmi[light])
输出: 13,14,15
我知道当使用numpy数组时，事情是按元素完成的，所以我对bmilight的假设是，它只在bmi中打印相应的值，这些值在light中的值为true。
浏览 0提问于2017-10-19得票数 1
下面是一个函数的简单实现，它将索引为x、y、z的numpy数组的每个值设置为零(如果x、y或z中的任何一个不是one_per_n的倍数)：
import numpy as np
X = np.random.rand(10,10,10)
one_per_n = 4
for x in range(X.shape[0]):
for y in range(X.shape[1]):
for z in range(X.shape[2]):
if x % one_per_n != 0 or y % one_per_n != 0 or z % one_pe
浏览 8提问于2022-10-25得票数 1
回答已采纳
1回答
我正在开发一个程序，它必须计算一个(协方差)矩阵，而我正在使用的for循环实现相当慢。Numba抱怨4维numpy数组，我真的不知道如何向量化代码。代码如下：
covmat = np.zeros((nbl, nbl, npairs_tot, npairs_tot))
for ell1 in range(nbl):
for ell2 in range(nbl):
for p in range (npairs_tot):
for q in range (npairs_tot):
if
浏览 1提问于2021-06-04得票数 0
最近，我发现自己越来越多地在大量结构化数据(如点和多边形)上使用NumPy数组来进行内存管理和计算速度。在这样做的过程中，我总是需要对整个数组执行一些函数f(x)。根据经验和谷歌搜索，迭代数组并不是这样做的，因此，内置的函数应该被矢量化并广播到整个数组。
查看的文档，我们得到了下面的示例：
def myfunc(a, b):
"Return a-b if a>b, otherwise return a+b"
if a > b:
return a - b
else:
return a + b
>>&
浏览 16提问于2022-04-17得票数 0
回答已采纳
我使用一维和二维numpy数组进行计算。它有两个级别的if-conditions。我能够使用np.where来避免一个if-statement，并进一步使用慢速列表理解来迭代每一行。 理想情况下，我希望将整个计算过程矢量化。有可能吗？ 下面是我的代码： import numpy as np
r_base = np.linspace(0, 4, 5)
np.random.seed(0)
r_mat = np.array([r_base * np.random.uniform(0.9, 1.1, 5),
r_base * np.random.uniform(
浏览 20提问于2020-08-06得票数 1
回答已采纳
我有一个mask，它的形状是：[64, 2895]，还有一个数组pred，它的形状是[64, 2895, 161]。 mask是只包含0s和1s的二进制文件，我想做的是减少pred，这样它就可以维护64批处理，并且沿着2895，只要mask中有每个批处理的1，就返回相关的pred。 因此，作为一个简化的示例，如果： mask = [[1, 0, 0],
[1, 1, 0],
[0, 0, 1]]
pred = [[[0.12, 0.23, 0.45, 0.56, 0.57],
[0.91, 0.98, 0.97, 0.96, 0.95],
浏览 17提问于2020-04-02得票数 0
回答已采纳
2回答
我读到，numpy在四舍五入中是没有偏见的，它的工作方式和它的设计一样。“如果你总是把0.5舍入到下一个最大的数字，那么一串四舍五入的数字的平均值可能会略大于未四舍五入的数字的平均值:这种偏差或漂移可能会对某些数值算法产生非常坏的影响，并使它们不准确。”
忽略这些信息，并假设我总是想要收集，我如何才能在numpy中做到？假设我的数组很大。
为了简单起见，让我们假设我有一个数组：
import numpy as np
A = [ [10, 15, 30], [25, 134, 41], [134, 413, 51]]
A = np.array(A, dtype=np.int16)
decim
浏览 0提问于2018-11-08得票数 8
回答已采纳
我正在尝试找到一种有效的方法来使用特定的缩放函数将2字节(-32K -> +32K)的数字整数数组缩放到8位(0 -> 255)。效率非常低的方法是(其中minVal和maxVal是原始2字节numpy数组中的最小值和最大值，而原始数组中的paddingVal将设置为0)：
...
pixel_array = np.zeros( length, dtype=np.int16)
byte_array = np.zeros( length, dtype=np.uint8)
....
i = 0
for val in np.nditer(pixel_array):
valu
浏览 0提问于2013-06-19得票数 4
回答已采纳
3回答
我有两个大小相同的二维numpy数组(在本例中对大小和内容进行简化)。
ID矩阵：
1 1 1 2 2
1 1 2 2 5
1 1 2 5 5
1 2 2 5 5
2 2 5 5 5
以及一个价值矩阵：
14.8 17.0 74.3 40.3 90.2
25.2 75.9 5.6 40.0 33.7
78.9 39.3 11.3 63.6 56.7
11.4 75.7 78.4 88.7 58.6
79.6 32.3 35.3 52.5 13.3
我的目标是计数和求和第二个矩阵的值，这些值按第一个矩阵的is分组：
1: (8, 336.8)
2: (9, 453.4)
5: (8, 402.
浏览 9提问于2016-04-15得票数 9
回答已采纳
给定以下数值矩阵：
import numpy as np
mymatrix = np.matrix('-1 0 1; -2 0 2; -4 0 4')
matrix([[-1, 0, 1],
[-2, 0, 2],
[-4, 0, 4]])
和以下函数(sigmoid/logistic)：
import math
def myfunc(z):
return 1/(1+math.exp(-z))
我希望获得一个新的NumPy数组/矩阵，其中每个元素都是将myfunc函数应用于原始矩阵中相应元素的结果。
map(myfunc,
浏览 2提问于2017-03-04得票数 60
我有两个xr.Dataset对象。一个是某个变量的连续映射(这里是precipitation)。另一种是一组区域['region_1', 'region_2', 'region_3', 'region_4']的分类映射。
我想通过对区域/时间的掩蔽计算每个region中的平均region，然后输出如下所示的数据。
In [6]: df.head()
Out[6]:
datetime region_name mean_value
0 2008-01-31 region_1 51.773333333
浏览 3提问于2020-01-29得票数 0
回答已采纳
是否可以在Python中对以下代码进行矢量化？当数组的大小变大时，它运行得非常慢。
import numpy as np
# A, B, C are 3d arrays with shape (K, N, N).
# Entries in A, B, and C are in [0, 1].
# In the following, I use random values in B and C as an example.
K = 5
N = 10000
A = np.zeros((K, N, N))
B = np.random.normal(0, 1, (K, N, N))
C = n
浏览 6提问于2022-07-05得票数 3
回答已采纳
1回答
下面的代码生成一组随机的x，y坐标，并使用椭圆方程来比较这些点中有多少点位于以(1,1)为中心的椭圆内，以及在椭圆周围构造的面积2a*2b的矩形，其半长轴和半semiminor轴为a和b，但b是可变的，每次从列表b中取值。我想要b的所有值，其中位于椭圆内的所有点与长方形内的点的比率大于0.5。
我面临的问题是，如果我检查一个b= 0.63的值。条件省略点/矩形点大约等于0.5，但当我循环遍历列表b并使用If语句得到椭圆点/矩形点> 0.5的所有点时，我没有看到接近0.63的值，而是看到1.2到1.9之间的值，我不明白为什么当我遍历b的值列表时，if语句似乎会给出错误的值。请参阅下一组代码
浏览 0提问于2018-12-02得票数 0
回答已采纳
我一直在研究如何对外部和内部for循环进行矢量化。它们有一些计算和删除--这似乎使它变得不那么直接。
如何才能最好地将其矢量化？
import numpy as np
flattenedArray = np.ndarray.tolist(someNumpyArray)
#flattenedArray is a python list of lists.
c = flattenedArray[:]
for a in range (len(flattenedArray)):
for b in range(a+1, len(flattenedArray)):
if a =
浏览 6提问于2017-02-05得票数 1
回答已采纳
问题所在
我正在使用一些相当大的数组(来自数以千万计的浮点数和向上的数组)实现和改进一个优化算法，并主要使用C中的Intel (不是C++，至少到目前为止)来压缩所有可能的性能。现在我遇到了一个愚蠢的问题，我有一个参数，它为一组(数千万)系数的子集设置极大值和最小值。实际上，使用MKL函数应用这些极大值和极小值是很容易的--我可以为每个元素创建大小相等的向量，并使用V和V来应用它们。但是我也需要在我的错误度量中说明这个剪辑，它要求我计算超出这些约束的元素的数量。
但是，我找不到一个MKL函数，它允许我计算满足某种条件的元素的数量、创建逻辑数组的方式，例如在Python或MATLAB中使用Num
浏览 6提问于2020-07-11得票数 0
回答已采纳
我正在计算numpy的加权平均值：
np.average(df['column1'], weights=df['column2'])
我收到了以下错误：Weights sum to zero, can't be normalized
我能用什么论据来解决这个问题吗？
浏览 22提问于2022-10-06得票数 0
1回答
在Pandas0.8中计算TimeSeries的时间加权平均值最有效的方法是什么？例如，假设我想要df.y - df.x的时间加权平均值，如下所示：
import pandas
import numpy as np
times = np.datetime64('2012-05-31 14:00') + np.timedelta64(1, 'ms') * np.cumsum(10**3 * np.random.exponential(size=10**6))
x = np.random.normal(size=10**6)
y = np.random.normal
浏览 6提问于2012-06-01得票数 10
每当我编写for循环时，我都会问自己是否有更好的方法来编写它。我不能为这个for循环想出一些东西，用sin/cos填充矩阵的列。
k = 5 #this is any odd integer
t = np.arange(0,N)/fs #time array for the sin/cos
A = np.zeros((N,k))
A[:,0] = 1
for i in range(1, k, 2):
A[:,i] = np.cos(2*np.pi*freq*t*(i+1)/2)
A[:,i+1] = np.sin(2*np.pi*freq*t*(i+1)/2)
我使用nump
浏览 2提问于2015-09-05得票数 3
1回答
为数据帧过滤器填充na
、、、
我有一个类似于下面的数据帧：
col1 col2 col3 col4
0 101 1000 NaN NaN
1 102 2000 51 1500
2 103 2500 52 2800
3 104 3600 53 NaN
4 105 2400 NaN NaN
5 106 3600 54 NaN
6 107 1200 55 1800
7 108 1000
浏览 15提问于2021-06-11得票数 1
回答已采纳
2回答
我是蟒蛇的新手。我想在dataframe的元素上实现一个"For“循环，并嵌入一个"if”语句。
代码：
import numpy as np
import pandas as pd
#Dataframes
x = pd.DataFrame([1,-2,3])
y = pd.DataFrame()
for i in x.iterrows():
for j in x.iteritems():
if x>0:
y = x*2
else:
y = 0
使用前面的循环，我希望遍历x dat
浏览 0提问于2018-09-28得票数 1
回答已采纳
2回答
我想从经纬度/经度/电导率网格中提取一个12ºx 12º区域，并计算该区域的平均电导率值。我可以成功地在经度/经度网格上应用掩模，但不知何故，相同的过程不适用于传导性网格。
我尝试过使用for循环进行掩蔽，现在我使用numpy.ma.masked_where函数。我可以成功地绘制被屏蔽的结果(即:当我绘制全局地图时，我可以看到该区域被提取出来)，但是计算出的平均电导率值对应于非屏蔽的数据。
我做了一个简单的例子来说明我想做的事情：
x = np.linspace(1, 10, 10)
y = np.linspace(1, 10, 10)
xm = np.median(x)
ym = np.m
浏览 1提问于2019-03-28得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
