标签: cumsum
矩阵中的累积和
我有一个像矩阵
A= [ 1 2 4
2 3 1
3 1 2 ]
我想按行和按列计算累积总和,也就是说,我希望得到结果
B = [ 1 3 7
3 8 13
6 12 19 ]
有关如何快速在R中制作此内容的任何想法？(可能使用函数cumsum)(我有巨大的矩阵)
谢谢!
推荐指数
解决办法
查看次数
Pandas DataFrame:如何通过连续值进行分组
我在DataFrame中有一个包含值的列:
[1, 1, -1, 1, -1, -1]
我该如何将它们分组呢？
[1,1] [-1] [1] [-1, -1]
推荐指数
解决办法
查看次数
到达最大值的累积总和,然后在下一行从零开始重复
我觉得这是一个相当容易的问题,但对于我的生活,我似乎无法找到答案.我有一个相当标准的数据框,我想要做的是将一列值相加,直到它们达到某个值(精确值或大于它),此时它将1放入一个新列(标记为保持)并在0处重新开始求和.
我有一列分钟,分钟,保留列和累积总和列之间的差异(我使用的示例比实际的完整数据集更清晰)
minutes difference keep difference_sum
1052991158 0 0 0
1052991338 180 0 180
1052991518 180 0 360
1052991698 180 0 540
1052991878 180 0 720
1052992058 180 0 900
1052992238 180 0 1080
1052992418 180 0 1260
1052992598 180 0 1440
1052992778 180 0 1620
1052992958 180 0 1800
差值和列用代码计算
caribou.sub$difference_sum<-cumsum(difference)
我想要做的是运行上面的代码,条件是,当求和值达到1470或任何大于它的数字时,它将1放入保留列,然后重新开始求和,并继续在整个数据集中运行.
在此先感谢,如果您需要更多信息,请告诉我们.
艾登
推荐指数
解决办法
查看次数
如何计算熊猫中前N行的累积总和？
我和熊猫一起工作,但我没有那么多经验.我有以下DataFrame:
A
0 NaN
1 0.00
2 0.00
3 3.33
4 10.21
5 6.67
6 7.00
7 8.27
8 6.07
9 2.17
10 3.38
11 2.48
12 2.08
13 6.95
14 0.00
15 1.75
16 6.66
17 9.69
18 6.73
19 6.20
20 3.01
21 0.32
22 0.52
我需要计算前11行的累积和.当先前少于11时,假设它们剩余为0.
B
0 NaN
1 0.00
2 0.00
3 0.00
4 3.33
5 13.54
6 20.21
7 27.20
8 35.47
9 41.54
10 43.72
11 47.09
12 49.57
13 51.65
14 58.60 …推荐指数
解决办法
查看次数
使用pandas数据帧计算累积回报
我有这个数据帧
Poloniex_DOGE_BTC Poloniex_XMR_BTC Daily_rets perc_ret
172 0.006085 -0.000839 0.003309 0
173 0.006229 0.002111 0.005135 0
174 0.000000 -0.001651 0.004203 0
175 0.000000 0.007743 0.005313 0
176 0.000000 -0.001013 -0.003466 0
177 0.000000 -0.000550 0.000772 0
178 0.000000 -0.009864 0.001764 0
我正在尝试在perc_ret中运行total_rets
但是我的代码只是复制daily_rets中的值
df['perc_ret'] = ( df['Daily_rets'] + df['perc_ret'].shift(1) )
Poloniex_DOGE_BTC Poloniex_XMR_BTC Daily_rets perc_ret
172 0.006085 -0.000839 0.003309 NaN
173 0.006229 0.002111 0.005135 0.005135
174 0.000000 -0.001651 0.004203 0.004203
175 0.000000 0.007743 0.005313 0.005313
176 0.000000 -0.001013 -0.003466 -0.003466
177 0.000000 …推荐指数
解决办法
查看次数
Scipy Sparse Cumsum
假设我有一个scipy.sparse.csr_matrix代表下面的值
[[0 0 1 2 0 3 0 4]
[1 0 0 2 0 3 4 0]]
我想计算就地非零值的累积和,这会将数组更改为:
[[0 0 1 3 0 6 0 10]
[1 0 0 3 0 6 10 0]]
实际值不是1,2,3 ......
每行中的非零值的数量不太可能相同.
怎么这么快？
目前的计划:
import scipy.sparse
import numpy as np
# sparse data
a = scipy.sparse.csr_matrix(
[[0,0,1,2,0,3,0,4],
[1,0,0,2,0,3,4,0]],
dtype=int)
# method
indptr = a.indptr
data = a.data
for i in range(a.shape[0]):
st = indptr[i]
en = indptr[i + 1]
np.cumsum(data[st:en], out=data[st:en])
# print …推荐指数
解决办法
查看次数
考虑到NaNs的Numpy cumsum
我正在寻找一种简洁的方法:
a = numpy.array([1,4,1,numpy.nan,2,numpy.nan])
至:
b = numpy.array([1,5,6,numpy.nan,8,numpy.nan])
我目前能做的最好的事情是:
b = numpy.insert(numpy.cumsum(a[numpy.isfinite(a)]), (numpy.argwhere(numpy.isnan(a)) - numpy.arange(len(numpy.argwhere(numpy.isnan(a))))), numpy.nan)
是否有更短的方法来实现相同的目标？那么沿着2D阵列的轴做一个cumsum呢？
推荐指数
解决办法
查看次数
Identifying positions of the last TRUEs in a sequence of TRUEs and FALSEs
I have a vector of TRUEs and FALSEs:
x <- c(F,F,F,T,T,T,F,F,F,T,T,T,F,T,T)
I'd like to elegantly (and in base) identify the position of the last TRUE before it changes to FALSE.
The following works, though, it seems like it could be simplified:
c((x[-1] != x[-length(x)]),T) & x
> FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE
Input and output:
推荐指数
解决办法
查看次数
如何计算在数据框python中的特定值之前出现的次数？
我有一个如下数据框：
A B C
1 1 1
2 0 1
3 0 0
4 1 0
5 0 1
6 0 0
7 1 0
我希望在df['B']以下条件下出现零的数量：
if(df['B']<df['C']):
#count number of zeroes in df['B'] until it sees 1.
预期输出：
A B C output
1 1 1 Nan
2 0 1 1
3 0 0 Nan
4 1 0 Nan
5 0 1 1
6 0 1 0
7 1 0 Nan
我不知道如何计算计数部分。任何帮助都非常感谢
推荐指数
解决办法
查看次数
每次有 0 时，Python pandas cumsum 都会重置
我有一个包含 0 和 1 的矩阵，并且想要在每列上做一个 cumsum，只要观察到零，它就会重置为 0。例如，如果我们有以下内容：
df = pd.DataFrame([[0,1],[1,1],[0,1],[1,0],[1,1],[0,1]],columns = ['a','b'])
print(df)
a b
0 0 1
1 1 1
2 0 1
3 1 0
4 1 1
5 0 1
我想要的结果是：
print(df)
a b
0 0 1
1 1 2
2 0 3
3 1 0
4 2 1
5 0 2
但是，当我尝试时df.cumsum() * df，我能够正确识别 0 元素，但计数器不会重置：
print(df.cumsum() * df)
a b
0 0 1
1 1 2
2 0 3
3 2 0
4 …推荐指数
解决办法
查看次数