我正在使用Python Numpy数组(特别是栅格转换为2D数组),我想要做的是获取一个具有-999的任意虚拟值的数组,表示"无数据",我想用相应的"真实"替换这些值"来自正确位置的相同大小和形状的不同数组的值.我找不到一个非常类似的问题,但请注意我是Python和Numpy的新手.
但我想做的是:
array_a =
([[0.564,-999,-999],
[0.234,-999,0.898],
[-999,0.124,0.687],
[0.478,0.786,-999]])
array_b =
([[0.324,0.254,0.204],
[0.469,0.381,0.292],
[0.550,0.453,0.349],
[0.605,0.582,0.551]])
使用array_b的值填充array_a中的-999值并创建一个新数组:
new_array_a =
([[0.564,0.254,0.204],
[0.234,0.381,0.898],
[0.550,0.124,0.687],
[0.478,0.786,0.551]])
我真的不想改变数组的形状或尺寸,因为我之后会转换回栅格,所以我需要在正确的位置找到正确的值.做这个的最好方式是什么？
我正在运行一列值的 OLS 摘要。OLS 的一部分是 Durbin-Watson 和 Jarque-Bera (JB) 统计数据，我想直接提取这些值，因为它们已经被计算出来，而不是像我现在使用 durbinwatson 那样将这些步骤作为额外步骤运行。
这是我的代码：
import pandas as pd
import statsmodels.api as sm
csv = mydata.csv
df = pd.read_csv(csv)
var = df[variable]
year = df['Year']
model = sm.OLS(var,year)
results = model.fit()
summary = results.summary()
print summary
#print dir(results)
residuals = results.resid
durbinwatson = statsmodels.stats.stattools.durbin_watson(residuals, axis=0)
print durbinwatson
结果：
OLS Regression Results
==============================================================================
Dep. Variable: LST R-squared: 1.000
Model: OLS Adj. R-squared: 1.000
Method: Least Squares F-statistic: 3.026e+05
Date: Fri, 10 Nov 2017 Prob …