小编Ton*_*oni的帖子

在尝试熟悉 Python 中的 DataFrame 时，我陷入了以下步骤......

我尝试从数组创建一个数据框：

from numpy import *
import pandas as pd

dat = array([[0.3888888888888889, 0.3888888888888889, 0.3888888888888889, 0.436943311456892, 0.7905900031193156, 0.5020468092219706, 0.8389717734280283, 0.7604923090797432, 0.8206054422776056, '0'],
[0.3888888888888889, 0.3888888888888889, 0.2222222222222222, 0.4457200178477334, 0.8114779465247448, 0.506899600792241, 0.8368566485573798, 0.760617288778523, 0.8195489478905984, '1'],
[0.2777777777777778, 0.2777777777777778, 0.05555555555555555, 0.4426231291814084, 0.7883413226205706, 0.5037172133121759, 0.8370362549229062, 0.7599752704033258, 0.8184218722901648, '2'],
[0.1111111111111111, 0.1111111111111111, 0.16666666666666666, 0.4651807845446571, 0.7983379003654792, 0.5250604537887904, 0.8463875215362144, 0.7533582308429306, 0.8241548325954007, '3'],
[0.5000000000000001, 0.5000000000000001, 0.3333333333333333, 0.4457200178477334, 0.7878040593905666, 0.506899600792241, 0.8368566485573798, 0.7605016058324149, 0.8195489478905984, '4'],
[0.3888888888888889, 0.3888888888888889, 0.2222222222222222, 0.44943322185630036, 0.7843622888520198, 0.5055757644148106, 0.8351253941103399, 0.7604171267769607, 0.8185442945328569, '5'],
[0.3888888888888889, 0.3888888888888889, 0.3333333333333333, 0.4424914587425397, …

我有一个与 .png 图像矩阵相对应的列表，没有 RGB 透明度信息。矩阵的维数是128 128 3。所以我有一个128 x 128矩阵编码每个像素中的红色色调；128 x 128编码果岭的矩阵；和128 x 128蓝调矩阵。图像中没有透明度，但要编写此 .png，我认为我需要包含128x128的矩阵1并将其标记到我的列表中以获得矩阵128 x 128 x 4。

如何将这个矩阵添加到我的列表中？

compressed我有一个以这些尺寸 ( )命名的列表128 128 3，并且我尝试了多种单括号和双括号方法来包含类似的内容，matrix(rep(1, 128^2), nrow= 128)但没有成功。

我们的想法是最终将其保存为：

require(png)
writePNG(compressed, "compressed.picture")

而不取消颜色。

我想six在模拟中选择矩阵中的唯一列,如下所示:

> set.seed(3)
> sam = replicate(100, sample(1:3, 4, rep = T))
> (six = sam[,colSums(sam)==6])
     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
[1,]    2    1    1    1    1    1    1    1    2     1
[2,]    2    2    3    1    1    2    2    1    2     2
[3,]    1    1    1    1    2    1    1    3    1     1
[4,]    1    2    1    3    2    2    2    1    1     2

我想最终得到一个矩阵:

     [,1] [,2] [,3] [,4] [,5]  [,6] 
[1,] …

是否有一种聪明的方法可以使用或许使用lapply()其他更多可推断的程序来生成R中的下一个列表？

ones   =   c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
twos   =   c(1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1)
threes =   c(1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0)
fours  =   c(1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0)
fives  =   c(1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1)
l = list(ones, twos, threes, fours)

[[1]]
 [1] 1 1 1 1 …

我提前为这个问题道歉，但我陷入了 GitHub 问题讨论和!pip install ...尝试之间的循环。

问题是我无法在 Google Colab 中将包导入到 Python 中umap，更具体地说，umap.plot首先它给了我一个警告，在安装 umap 之前我需要安装 Holoviews、datashader 和 bokeh，并且我确实确保了所有必需的软件包已安装。由于它仍然无法使用所有导入命令运行单元，因此我更改了包的顺序，将 umap 留在最后，但这没有帮助。事实上，突然之间，全息视图似乎成为了问题，尽管我似乎已经成功安装了它。查看我收到的错误（右侧）：

这是代码片段：

%autosave 0

import warnings; warnings.simplefilter('ignore')

import matplotlib.pyplot as plt

import pandas as pd
import numpy as np
import seaborn as sns

from mpl_toolkits.mplot3d import Axes3D
from matplotlib.ticker import NullFormatter

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn import manifold
from sklearn.utils import check_random_state

import holoviews
import datashader
import bokeh
from bokeh.plotting …

注意:我不是指在这里的矩阵乘法- 即使在另一篇文章中讨论的转置的扭曲也没有.

我有这两个矩阵......

矩阵A:

A <- matrix(c(1,1,1,-1,1,1,1,-1,1,-1,-1,1), ncol=4)
       [,1]    [,2]     [,3]     [,4]  
[1,]    1       -1        1        -1       
[2,]    1        1       -1        -1     
[3,]    1        1        1         1     

...和矩阵B:

B <- matrix(c(1,2,3,2,1,3,2,3,1), ncol=3)
       [,1]    [,2]     [,3] 
[1,]    1        2        2 
[2,]    2        1        3 
[3,]    3        3        1 

我希望得到[R]代码:

       [,1]    [,2]    [,3] 
[1,]    1*1     1*2     1*2 
[2,]    1*2     1*1     1*3
[3,]    1*3     1*3     1*1 

       [,1]    [,2]    [,3] 
[1,]   -1*1    -1*2    -1*2 
[2,]    1*2     1*1     1*3 …

在RStudio中,它Ctrl+Enter虽然在PyCharm中Ctrl+backslash,但是我找不到类似的Octave快捷方式(对Matlab不太感兴趣).必须有一种方法可以在编辑器上运行单行代码而无需运行整个文档.我知道有一种方法可以运行代码块,但这似乎也不实用.

特别是,我想从包装1960中的时间序列开始对温度测量进行子集化:gtempastsa

require(astsa)
gtemp
Time Series:
Start = 1880 
End = 2009 
Frequency = 1 
  [1] -0.28 -0.21 -0.26 -0.27 -0.32 -0.32 -0.29 -0.36 -0.27 -0.17 -0.39 -0.27 -0.32
 [14] -0.33 -0.33 -0.25 -0.14 -0.11 -0.25 -0.15 -0.07 -0.14 -0.24 -0.30 -0.34 -0.24
 [27] -0.19 -0.39 -0.33 -0.35 -0.33 -0.34 -0.32 -0.30 -0.15 -0.10 -0.30 -0.39 -0.33
 [40] -0.20 -0.19 -0.14 -0.26 -0.22 -0.22 -0.17 -0.02 -0.15 -0.12 -0.26 -0.08 -0.02
 [53] -0.08 -0.19 -0.07 -0.12 -0.05 …

我正在R中进行这种递归操作(卷积),只需将一个函数嵌入到另一个函数中就像俄罗斯玩偶一样.问题是,是否有更优雅的方式来做到这一点.

首先,肯定有更好的方法来设置以下输入向量:

ones =   c(1, 1, 1, 1, 1, 1)
twos =   c(1, 0, 1, 0, 1, 0)
threes = c(1, 0, 0, 1, 0, 0)
fours =  c(1, 0, 0, 0, 1, 0)

实际的是:

round(convolve(convolve(convolve(ones, rev(twos), type="open"), rev(threes), type="open"), rev(fours), type="open")) [1] 1 1 2 3 5 6 6 8 8 8 6 6 5 3 2 1 1 0 0 0 0

关于这个主题有很多问题，我已经循环浏览了其中很多问题，获取了有关处理频率的概念性指针（此处和此处）、有关 numpy 函数的文档（此处）、如何提取幅度和相位的信息（此处）、并走出网站，例如this或this。

然而，只有痛苦地用简单的例子向自己“证明它”，并检查不同函数的输出与它们的手动实现相比，才给了我一些想法。

答案试图记录和分享与 Python 中的 DFT 相关的细节，如果不以简单的术语进行解释，这些细节可能会构成进入障碍。