小编use*_*898的帖子

我想做的相当于在Numpy中以递归方式在python列表中添加元素,如下面的代码所示

matrix = open('workfile', 'w')
A = []
for row in matrix:
    A.append(row)

print A

我尝试过以下方法:

matrix = open('workfile', 'w')
A = np.array([])
for row in matrix:
    A = numpy.append(row)

print A

它不会返回所需的输出,如列表中所示.

编辑这是示例代码:

mat = scipy.io.loadmat('file.mat')
var1 = mat['data1']
A = np.array([])
for row in var1:
    np.append(A, row)

print A

这只是我想要做的最简单的情况,但循环中有更多的数据处理,我这样说,所以示例很清楚.

我有以下时间序列：

我只想在时间= 800之后根据最小点对齐来对齐信号。

我尝试了以下方法来对齐熊猫中的两个信号：

from pandas import *
import pandas as pd
s1 = Series(vec1)
s2 = Series(vec2)
s3 = s1.align(s2,join='inner')

s1 = np.array(s1)
s2 = np.array(s2)
s3 = np.array(s3)

plt.plot(t,s1)
plt.plot(t,s2)
plt.plot(t,s3)
plt.show()

完全按照原始形式显示对齐的信号。关于如何实现最小对齐的任何建议？

我希望cross_val_scoresklearn 函数返回每个类的准确度，而不是所有类的平均准确度。

功能：

sklearn.model_selection.cross_val_score(estimator, X, y=None, groups=None,  \n       scoring=None, cv=\xe2\x80\x99warn\xe2\x80\x99, n_jobs=None, verbose=0, fit_params=None, \n       pre_dispatch=\xe2\x80\x982*n_jobs\xe2\x80\x99, error_score=\xe2\x80\x99raise-deprecating\xe2\x80\x99)\n

参考

我该怎么做？