小编dbl*_*iss的帖子

我想计算一组循环数据的平均值.例如,我可能会从阅读指南中获得几个样本.问题当然是如何处理环绕.相同的算法可能对时钟表有用.

实际问题更复杂 - 统计在球体上或在"包裹"的代数空间中意味着什么,例如添加剂组mod n.答案可能不是唯一的,例如359度和1度的平均值可能是0度或180度,但统计上0看起来更好.

这对我来说是一个真正的编程问题,我试图让它看起来不像是一个数学问题.

我想使用NumPy执行以下MATLAB代码的等价物:repmat([1; 1], [1 1 1]).我怎么做到这一点？

我在使用Python,iPython和库时遇到了麻烦.以下几点显示了问题链.我在Mac Lion上运行Python 2.7.

1. iPython不会读取scipy,matplotlib的库,但它确实读取了numpy.
2. 为了解决这个问题,我尝试安装Python的源代码版本,它只给了我更多的问题,因为现在我有两个不同的版本:2.7.1和2.7.2
3. 我注意到运行Python,使用版本2.7.2并导入scipy,matplotlib和numpy,但是在iPython上版本是2.7.1,它不会打开scipy或matplotlib.

我尝试过其他一些我从其他博客中遇到的事情.但是他们都没有帮助,也不幸的是我不知道我在做些什么.例如:我尝试使用easy_install和pip卸载并重新安装ipython.我还尝试通过自制程序重新安装所有内容,并修改路径.bash_profile.

这个问题的标题说明了一切.这是怎么做到的？我想将链接放在降价单元格中.

我希望这个问题不会成为"问答"问题......这里说:(多)共线性是指回归模型中预测变量之间的极高相关性.如何治愈它们......好吧,有时你不需要"治愈"共线性,因为它不会影响回归模型本身,而是解释个体预测因子的影响.

发现共线性的一种方法是将每个预测变量作为因变量,将其他预测变量作为自变量,确定R ²,如果它大于.9(或.95),我们可以考虑预测变量冗余.这是一种"方法"......其他方法呢？其中一些是耗时的,比如从模型中排除预测变量并观察b系数变化 - 它们应该明显不同.

当然,我们必须始终牢记分析的具体背景/目标......有时候,唯一的补救措施就是重复研究,但是现在,我对以多种共线性(多)共线性筛选冗余预测因子的各种方式感兴趣发生在回归模型中.

我目前正在使用std::ofstream如下:

std::ofstream outFile;
outFile.open(output_file);

然后我尝试将std::stringstream对象传递给outFile如下:

GetHolesResults(..., std::ofstream &outFile){
  float x = 1234;
  std::stringstream ss;
  ss << x << std::endl;
  outFile << ss;
}

现在我只outFile包含垃圾:"0012E708"重复了一遍.

在GetHolesResults我可以写

outFile << "Foo" << std:endl; 

并且它将正确输出outFile.

关于我做错了什么的任何建议？

我有一个脚本,生成二维numpy arrays dtype=float和形状的顺序(1e3, 1e6).现在我正在使用np.save并使用np.load数组执行IO操作.但是,每个阵列的这些功能需要几秒钟.是否有更快的方法来保存和加载整个数组(即,不对其内容进行假设并减少它们)？array只要数据保留完全,我就可以在保存之前将s 转换为另一种类型.

假设我有以下DataFrame:

In [1]: df
Out[1]:
  apple banana cherry
0     0      3   good
1     1      4    bad
2     2      5   good

这按预期工作:

In [2]: df['apple'][df.cherry == 'bad'] = np.nan
In [3]: df
Out[3]:
  apple banana cherry
0     0      3   good
1   NaN      4    bad
2     2      5   good

但这不是:

In [2]: df[['apple', 'banana']][df.cherry == 'bad'] = np.nan
In [3]: df
Out[3]:
  apple banana cherry
0     0      3   good
1     1      4    bad
2     2      5   good

为什么？如何在不必写出两行的情况下实现'apple'和'banana'值的转换,如

In [2]: df['apple'][df.cherry == …

我有两个具有形状N X T和数组的阵列M X T.我想计算T每对可能的行n和m(分别来自N和M)之间的相关系数.

什么是最快,最pythonic的方式来做到这一点？(循环过来N,M在我看来既不快也不是pythonic.)我期待答案涉及numpy和/或scipy.现在我的数组是numpy arrays,但我愿意将它们转换为不同的类型.

我期待我的输出是一个形状的数组N X M.

NB当我说"相关系数"时,我的意思是Pearson乘积矩相关系数.

以下是一些需要注意的事项:

• 该numpy函数correlate要求输入数组为一维.
• 该numpy函数corrcoef接受二维数组,但它们必须具有相同的形状.
• 该scipy.stats函数pearsonr要求输入数组为一维.

我刚刚在我的笔记本电脑上安装了IPython3.0 pip,运行Ubuntu14.04:

$ pip search ipython
ipython-cluster-helper    - Simplify IPython cluster start up and use for
                            multiple schedulers.
ipython                   - IPython: Productive Interactive Computing
  INSTALLED: 3.0.0 (latest)

但是,当我去使用时IPython,终端似乎认为它使用的是1.2.1版本:

$ ipython
Python 2.7.6 (default, Mar 22 2014, 22:59:38) 
Type "copyright", "credits" or "license" for more information.

IPython 1.2.1 -- An enhanced Interactive Python.
?         -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help      -> Python's own help system.
object?   -> Details …