Question

所以我是python和数据分析的新手，但我们的任务是创建一个散点图。我正在使用的数据集包含许多包含None值的元素。当我使用polyfit方法创建趋势线（最佳拟合线）时，我会得到Nones的错误。我已经尝试使用列表和numpy数组与令人沮丧的结果。我也尝试过masked_array，masked_invalid等。在MULTIPLE配置中，但它一直给我一个充满Nones的数组。有没有办法以这样的方式创建趋势线，我不需要删除具有None值的元素？我需要他们来保持我的情节尺寸正确。我正在使用Python 2.7。这是我到目前为止所得到的：

import matplotlib.pyplot as plt
import numpy as np
import numpy.ma as ma
import pylab
#The InterpolatedUnivariateSpline method popped up during my endeavor 
#to extrapolate the trendline through the gaps in data.
#To be honest, I don't think its doing anything for me...
from scipy.interpolate import InterpolatedUnivariateSpline  

fig, ax = plt.subplots(1,1)
ax.scatter(y, dbm, color = 'purple', marker = 'o', s = 100)
plt.xlim(min(y), max(y)) 
plt.xlabel('Temp - C')
dbm_array = np.asarray(dbm) #dbm and y are lists earlier in the program
y_array = np.asarray(y)

x = np.linspace(min(y), max(y), len(y))
order = 1
s = InterpolatedUnivariateSpline(y, dbm, k=order)
blah = s(x)
plt.plot(y, blah, '--k')

由于某些原因，这给了我没有趋势线的散点图。没有错误，所以我想我得到了... 非常感谢你！

Answer 1

首先，如果你有数组，那么它们中应该没有None，只有nan s。这是因为None是一个不能表示为数字的对象。所以，第一个问题可能在这里。我们来看看：

import numpy as np

a = np.array([None, 1, 2, 3, 4, None])

我们得到了什么？

>>> a
array([None, 1, 2, 3, 4, None], dtype=object)

这肯定是我们没有做到的。它是一个对象数组，大多数时候它不是很有用。你不能对那个进行任何计算：

>>> 2*a
unsupported operand type(s) for *: 'int' and 'NoneType'

这是因为逐元素乘法试图乘以2*None。

所以，你真正想要的是：

>>> a = np.array([np.nan, 1, 2, 3, 4, np.nan])
>>> a
array([ nan,   1.,   2.,   3.,   4.,  nan])
>>> a.dtype
dtype('float64')
>>> 2 * a
array([ nan,   2.,   4.,   6.,   8.,  nan])

现在一切都按预期工作了。

因此，首先要检查输入数组是否具有正确的形式。如果您在曲线拟合方面遇到问题，可以创建一个没有令人讨厌的nan的数组：

import numpy as np

a = np.array([[0,np.nan], [1, 1], [2, 1.5], [3.2, np.nan], [4, 5]])
b = a[-np.isnan(a[:,1])]

让我们看看a和b的内容：

>>> a
array([[ 0. ,  nan],
       [ 1. ,  1. ],
       [ 2. ,  1.5],
       [ 3.2,  nan],
       [ 4. ,  5. ]])
>>> b
array([[ 1. ,  1. ],
       [ 2. ,  1.5],
       [ 4. ,  5. ]])

这就是你想要的。该曲线符合b，没有任何nan s，它们有习惯迁移并计算结果nan。（这是设计的。）

这是如何工作的呢？ np.isnan(a[:,1])在每个位置都返回一个True的布尔数组，nan的第1列为a，每个有效数字为False。由于这与我们想要的完全相反，我们将通过在前面添加减号来否定它。然后索引只选择有数字的行。

如果您将X数据和Y数据放在两个不同的1-D向量中，请执行以下操作：

# original y data: Y
# original x data: X
# both have the same length

# calculate a mask to be used (a boolean vector)
msk = -np.isnan(Y)

# use the mask to plot both X and Y only at the points where Y is not NaN
plot(X[msk], Y[msk])

在某些情况下，您可能根本没有X数据，但是您希望对这些点进行编号，例如： 0开始（如果您只给它一个向量，则为matplotlib）。有几种可能性，但这是一个：

msk = -np.isnan(Y)
X = np.arange(len(Y))
plot(X[msk], Y[msk])

如何在python中创建缺少数据缺口的趋势线？

1 个答案: