小编Fur*_*him的帖子
由于matplotlib.finance已被弃用,我如何使用新的mpl_finance模块？
我试图matplotlib.finance在python中导入模块,以便我可以制作烛台OCHL图.我的matplotlib.pyplot版本是2.00.我尝试使用以下命令导入它:
import matplotlib.finance
from matplotlib.finance import candlestick_ohlc
我收到此错误:
warnings.warn(message,mplDeprecation,stacklevel = 1)MatplotlibDeprecationWarning:财务模块已在mpl 2.0中弃用,将在mpl 2.2中删除.请改用模块mpl_finance.
然后我没有在python中使用上面的行,而是尝试使用以下行:
import mpl_finance
我收到此错误:
ImportError:没有名为'mpl_finance'的模块
我该怎么做才能从中导入烛台matplotlib.pyplot？
推荐指数
解决办法
查看次数
多项 Logit 模型 Python 和 Stata 不同结果
我正在尝试使用 python 和 stata 构建多项 logit 模型。我的数据如下：
ses_type prog_type read write math prog ses
0 low Diploma 39.2 40.2 46.2 0 0
1 middle general 39.2 38.2 46.2 1 1
2 high Diploma 44.5 44.5 49.5 0 2
3 low Diploma 43.0 43.0 48.0 0 0
4 middle Diploma 44.5 36.5 45.5 0 1
5 high general 47.3 41.3 47.3 1 2
我正在尝试使用ses read write 和 math预测prog。其中 ses 代表社会经济地位并且是一个名义变量，因此我使用以下命令在 stata 中创建了我的模型：
mlogit prog i.ses read write …推荐指数
解决办法
查看次数
标准化缩放是使用 sklearn 应用 PCA 的先决条件吗？
我有一组 70 个输入变量，需要对其执行 PCA。根据我的理解，将数据居中，使得每个输入变量的平均值为 ，0方差为1，对于应用 PCA 是必要的。
我很难弄清楚preprocessing.StandardScaler()在将数据集传递给sklearnPCA或PCAsklearn 中的函数自行执行之前是否需要执行标准缩放。
如果是后者，那么无论我是否应用，preprocessing.StandardScaler()都explained_variance_ratio_应该是相同的。
但结果不同，所以我认为preprocessing.StandardScaler()在申请之前有必要PCA。这是真的吗？
推荐指数
解决办法
查看次数
对时间序列数据应用傅立叶变换，避免混叠
我愿意对时间序列数据进行傅里叶变换，以将数据转换为频域。我不确定我用来进行傅立叶变换的方法是否正确？以下是我使用过的数据的链接。
读取数据文件后，我使用绘制了原始数据
t = np.linspace(0,55*24*60*60, 55)
s = df.values
sns.set_style("darkgrid")
plt.ylabel("Amplitude")
plt.xlabel("Time [s]")
plt.plot(t, s)
plt.show()
由于数据是按每日频率运行，因此我已使用将其转换为秒，24*60*60并使用进行了55天的转换55*24*60*60
该图如下所示： 
接下来，我使用以下代码实现了傅立叶变换，并获得了如下图像：
#Applying Fourier Transform
fft = fftpack.fft(s)
#Time taken by one complete cycle of wave (seconds)
T = t[1] - t[0]
#Calculating sampling frequency
F = 1/T
N = s.size
#Avoid aliasing by multiplying sampling frequency by 1/2
f = np.linspace(0, 0.5*F, N)
#Convert frequency to mHz
f = f * 1000
#Plotting frequency domain against amplitude …推荐指数
解决办法
查看次数
标签 统计
python ×2
scikit-learn ×2
centering ×1
fft ×1
matplotlib ×1
mlogit ×1
pca ×1
python-3.x ×1
scipy ×1
stata ×1
statistics ×1