我知道我可以重命名单个pandas.DataFrame列:
drugInfo.rename(columns = {'col_1': 'col_1_new_name'}, inplace = True)
但是我想在不知道名称的情况下重命名一个列(基于它的索引 - 虽然我知道字典没有它).我想像这样重命名第1列:
drugInfo.rename(columns = {1: 'col_1_new_name'}, inplace = True)
但是在DataFrame.columns dict中没有'1'条目,因此没有重命名.我怎么能实现这个目标？
我正在尝试生成一个比较分布矩阵,比较分布(类似这样).由于我有很多点,我想使用hexbin图来减少时间和绘图的复杂性.
import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips")
g = sns.FacetGrid(tips, col="time", row="sex")
g.map(sns.jointplot, "total_bill", "tip", kind="hex")
plt.show()
然而,不是创建绘图矩阵,而是在各种窗口中独立创建多个绘图.
我也想过seaborn.pairplot用来制作这个,但我不能传递"hex"给它kind.
我正在寻找周期信号中最丰富的频率。我试图了解如果对周期信号执行傅立叶变换并过滤具有负 fft 值的频率，会得到什么。
换句话说，图 2 和图 3（见下文）的轴表示什么？我正在绘制 fft 转换信号上的频率（周期/秒） - y 轴上的负值意味着什么，我只对这些感兴趣是否有意义？
import numpy as np
import scipy
# generate data
time = scipy.linspace(0,120,4000)
acc = lambda t: 10*scipy.sin(2*pi*2.0*t) + 5*scipy.sin(2*pi*8.0*t) + 2*scipy.random.random(len(t))
signal = acc(time)
# get frequencies from decomposed fft
W = np.fft.fftfreq(signal.size, d=time[1]-time[0])
f_signal = np.fft.fft(signal)
# filter signal
# I'm getting only the "negative" part!
cut_f_signal = f_signal.copy()
# filter noisy frequencies
cut_f_signal[(W < 8.0)] = 0
cut_f_signal[(W > 8.2)] = 0
# inverse fourier to …