- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我在 Python 中有以下 8x8 矩阵,我将其表示为 8×8 numpy 数组或 pandas DataFrame:
import numpy as np
import pandas as pd
x = range(64)
x = np.reshape(x,(8,8))
print(x)
# [[ 0 1 2 3 4 5 6 7]
# [ 8 9 10 11 12 13 14 15]
# [16 17 18 19 20 21 22 23]
# [24 25 26 27 28 29 30 31]
# [32 33 34 35 36 37 38 39]
# [40 41 42 43 44 45 46 47]
# [48 49 50 51 52 53 54 55]
# [56 57 58 59 60 61 62 63]]
df = pd.DataFrame(x)
print(df)
# 0 1 2 3 4 5 6 7
# 0 0 1 2 3 4 5 6 7
# 1 8 9 10 11 12 13 14 15
# 2 16 17 18 19 20 21 22 23
# 3 24 25 26 27 28 29 30 31
# 4 32 33 34 35 36 37 38 39
# 5 40 41 42 43 44 45 46 47
# 6 48 49 50 51 52 53 54 55
# 7 56 57 58 59 60 61 62 63
如果它是一个 2×2 矩阵,我正在尝试计算值的总和,并用这个总和替换上面的值。我的最终结果是
# 0 1 2 3 4 5 6 7
# 0 216 216 216 216 280 280 280 280
# 1 216 216 216 216 280 280 280 280
# 2 216 216 216 216 280 280 280 280
# 3 216 216 216 216 280 280 280 280
# 4 728 728 728 728 792 792 792 792
# 5 728 728 728 728 792 792 792 792
# 6 728 728 728 728 792 792 792 792
# 7 728 728 728 728 792 792 792 792
所以,顶角矩阵的计数为 216,因为
0+1+2+3+8+9+10+11+16+17+18+19+24+25+26+27=216
同样,
32+33+34+35+40+41+42+43+48+49+50+51+56+57+58+59=728
4+5+6+7+12+13+14+15+20+21+22+23+28+29+30+31=280
36+37+38+39+44+45+46+47+52+53+54+55+60+61+62+63=792
是否有 numpy/pandas 功能可以使这个计算更容易?特别是对于更大的矩阵,手动设置“求和矩阵”的坐标可能会非常麻烦。
最佳答案
使用 NumPy 的一种方法是:
import numpy as np
def as_submatrices(x, rows, cols=None, writeable=False):
from numpy.lib.stride_tricks import as_strided
if cols is None: cols = rows
x = np.asarray(x)
x_rows, x_cols = x.shape
s1, s2 = x.strides
if x_rows % rows != 0 or x_cols % cols != 0:
raise ValueError('Invalid dimensions.')
out_shape = (x_rows // rows, x_cols // cols, rows, cols)
out_strides = (s1 * rows, s2 * cols, s1, s2)
return as_strided(x, out_shape, out_strides, writeable=writeable)
def sum_submatrices(x, rows, cols=None):
if cols is None: cols = rows
x = np.asarray(x)
x_sub = as_submatrices(x, rows, cols)
x_sum = np.sum(x_sub, axis=(2, 3))
x_rows, x_cols = x.shape
return np.repeat(np.repeat(x_sum, rows, axis=0), cols, axis=1)
x = np.arange(64).reshape((8, 8))
print(sum_submatrices(x, 4))
# [[216 216 216 216 280 280 280 280]
# [216 216 216 216 280 280 280 280]
# [216 216 216 216 280 280 280 280]
# [216 216 216 216 280 280 280 280]
# [728 728 728 728 792 792 792 792]
# [728 728 728 728 792 792 792 792]
# [728 728 728 728 792 792 792 792]
# [728 728 728 728 792 792 792 792]]
print(sum_submatrices(x, 2))
# [[ 18 18 26 26 34 34 42 42]
# [ 18 18 26 26 34 34 42 42]
# [ 82 82 90 90 98 98 106 106]
# [ 82 82 90 90 98 98 106 106]
# [146 146 154 154 162 162 170 170]
# [146 146 154 154 162 162 170 170]
# [210 210 218 218 226 226 234 234]
# [210 210 218 218 226 226 234 234]]
print(sum_submatrices(x, 2, 8))
# [[120 120 120 120 120 120 120 120]
# [120 120 120 120 120 120 120 120]
# [376 376 376 376 376 376 376 376]
# [376 376 376 376 376 376 376 376]
# [632 632 632 632 632 632 632 632]
# [632 632 632 632 632 632 632 632]
# [888 888 888 888 888 888 888 888]
# [888 888 888 888 888 888 888 888]]
编辑: As pointed out by Divakar , np.broadcast_to
比 np.repeat
更快在这里,所以上面函数的改进版本是:
def sum_submatrices(x, rows, cols=None):
if cols is None: cols = rows
x = np.asarray(x)
x_sub = as_submatrices(x, rows, cols)
x_sum = np.sum(x_sub, axis=(2, 3), keepdims=True)
x_sum = np.broadcast_to(x_sum, x_sub.shape)
return x_sum.transpose((0, 2, 1, 3)).reshape(x.shape)
这与 Divakar 的答案基本相同,只是后者更好,因为它不使用跨步技巧和转置。
关于python - 如何使用 numpy/pandas 计算 "submatrix"条目的总和?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51825969/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!