Question

我正在尝试为多列数据文件中的一列绘制CDF。当数据文件中只有一列时，它会很好地绘制。当我尝试从数据中获取特定列时，它会给我错误。我也尝试使用for循环来读取它读得很好的特定列。如果我将for plot语句从for循环中给出，则只显示该列的最后一个值，如果我将plot语句保留在循环内，则会给出错误。这不是读取文件或特定列的问题，甚至不是缩进问题。我该如何解决？

for for循环

import numpy as np
import matplotlib.pyplot as plt
from pylab import*
import math
from matplotlib.ticker import LogLocator

with open('input.txt', 'r') as f:
    for rows in f:
        cols = rows.split()
        data = cols[2]
        sorted_data = np.sort(data)
        cdf = np.arange(len(data))/float(len(data))
        plt.plot(sorted_data, cdf, '-bs')

plt.show()
#print data

错误

Traceback (most recent call last):
  File "cdf_plot.py", line 13, in <module>
    plt.plot(sorted_data, cdf, '-bs')
  File "/usr/lib/pymodules/python2.7/matplotlib/pyplot.py", line 2467, in plot
    ret = ax.plot(*args, **kwargs)
  File "/usr/lib/pymodules/python2.7/matplotlib/axes.py", line 3893, in plot
    for line in self._get_lines(*args, **kwargs):
  File "/usr/lib/pymodules/python2.7/matplotlib/axes.py", line 322, in _grab_next_args
    for seg in self._plot_args(remaining, kwargs):
  File "/usr/lib/pymodules/python2.7/matplotlib/axes.py", line 300, in _plot_args
    x, y = self._xy_from_xy(x, y)
  File "/usr/lib/pymodules/python2.7/matplotlib/axes.py", line 240, in _xy_from_xy
    raise ValueError("x and y must have same first dimension")
ValueError: x and y must have same first dimension

代码没有for循环：

import numpy as np
import matplotlib.pyplot as plt
from pylab import*
import math
from matplotlib.ticker import LogLocator

data = np.loadtxt('input.txt')
data_one = [row[2] for row in data]
sorted_data = np.sort(data)
cdf = np.arange(len(data_one))/float(len(data_one))
#cumulative = np.cumsum(data)
#ccdf = 1 - cdf

#plt.plot(data, sorted_data, 'r-*')
plt.plot(sorted_data, cdf, '-bs')

#plt.xlim([0,0.5])
plt.gca().set_xscale("log")
plt.gca().set_yscale("log")
plt.show()

错误：

Traceback (most recent call last):
  File "cum_graph.py", line 7, in <module>
    data = np.loadtxt('e_p_USC_30_days.txt')
  File "/usr/lib/python2.7/dist-packages/numpy/lib/npyio.py", line 804, in loadtxt
    X = np.array(X, dtype)
ValueError: setting an array element with a sequence.

输入文件：我有兴趣计算col [2]的CDF，即仅第3列

4814  2464  27  0.000627707861971  117923.0
4211  736  2  4.64968786645  05  2576.0
2075  1339  30  0.000697453179968  499822.0
2441  2381  3  6.97453179968  05  1968.0
4694  1738  1  2.32484393323  05  5702.0
4406  3008  12  0.000278981271987  8483.0
3622  1396  3  6.97453179968  05  2564.0
5425  478  1  2.32484393323  05  428.0
4489  1715  6  0.000139490635994  19045.0
3695  3387  2  4.64968786645  05  16195.0

Answer 1

这里有很多错误。

1 - 您的数据存在问题

仔细看看他们：

4814  2464  27  0.000627707861971  117923.0
4211  736  2  4.64968786645  05  2576.0
2075  1339  30  0.000697453179968  499822.0
2441  2381  3  6.97453179968  05  1968.0
4694  1738  1  2.32484393323  05  5702.0
4406  3008  12  0.000278981271987  8483.0
3622  1396  3  6.97453179968  05  2564.0
5425  478  1  2.32484393323  05  428.0
4489  1715  6  0.000139490635994  19045.0
3695  3387  2  4.64968786645  05  16195.0

有时你会得到6列：

4211  736  2  4.64968786645  05  2576.0

有时你只得到5：

4814  2464  27  0.000627707861971  117923.0

所以首先要学会如何正确地写数据。

2 - 正确写入数据

想象一下，所有数据都在名为data的2D numpy数组中。

你可以打电话：

numpy.savetxt("input.txt", data)

或者，为了更好地控制格式化：

numpy.savetxt("input.txt", data, fmt="%d %d %d %.6f %d %.1f")

fmt=参数是一种告诉numpy如何保存数据的方法（%d表示将其写为整数，%f表示将其写为float，{{ 1}}表示将其写为只有5位小数的浮点数。）

如果您想自己编写，可以执行以下操作：

%.5f

如果您真正想要写的是5列而不是6列的行，那么请使用另一个分隔符，如fmt = "%d %d %d %.6f %d %.1f" with open("input.txt", "w") as f: for row in data: f.write(fmt%row+"\n")。这样，

显然包含6列。

3 - 加载有效数据

我称之为有效数据的是一致的数据，数据总是包含相同数量的列。

您应该使用4814,2464,27,0.000627707861971,,117923.0或numpy.loadtxt（如果缺少数据，则使用后者）。请注意，您可以使用numpy.genfromtxt参数为这两个参数指定分隔符。

delimiter

或者等效地，您可以将data = numpy.loadtxt("valid_input.txt") col = data[:,2]参数与usecols参数一起使用。

4 - 加载无效数据

对于您的数据，使用unpack的方法是有效的，如果您在其他地方的第2列之前没有任何其他错误，则只选择第三列（Python语言中的第2列）。

你可以手工完成，这会给我们带来另一种错误：

5 - 首次实施的问题

在那里，您只需使用单个值（usecols中的值）替换变量数据：

cols[2]

您尝试对单个值进行排序：

with open('input.txt', 'r') as f:
    for rows in f:
        cols = rows.split()
        data = cols[2]

你想获得单个值的长度：

        sorted_data = np.sort(data)

我真的很惊讶cdf = np.arange(len(data))/float(len(data)) plt.plot(sorted_data, cdf, '-bs') plt.show()没有抱怨。

您一次只能获得一行：您需要将这些值存储在某个位置（例如在列表中），然后对其进行处理。

6 - 第二次实施的问题

numpy无法加载您的数据（它会尝试默认加载所有内容），因为它无法根据行推断您要对6列或5列执行的操作。所以它唯一能做的就是失败。

7 - 你的问题

首先，不要被冒犯：我要说的是帮助你改善。我没有以任何方式判断你，只是向你展示你应该如何应对这种错误，无论是否琐碎。

阅读错误。
试着了解发生了什么。
在互联网上查找这些错误。
问别人。

问题是你似乎只是在没有真正看过它们的情况下复制粘贴错误，所以没有试图理解它们（但我可能错了，我不在你脑海里:)）。

但可以肯定的是，你没有将它们复制粘贴到你最喜欢的搜索引擎中，因为答案很多。再说一次，我可能错了。也许你这样做但没有看到这些答案如何适用于你的情况。虽然，谷歌的第一个回答

numpy.loadtxt

很明确。你甚至不必提到这是ValueError: x and y must have same first dimension或Python。然后你会发现matplotlib与sorted_data的长度不同。通过更多的工作，你可以弄清楚我之前说过你的实现。

8 - 证明我错了

正如您所见，我没有给出一个规范的回答＆＃34;因为我认为你没有完成你的工作，所以我不会赢。但你仍然可以这样做：我已经为你提供了回答你自己的问题所需的所有工具。这并不意味着你必须在一个偏远的岛屿上独自完成这一切：我几乎给出了一个完整的答案（真的），文档可以帮助，Google也是如此:)。你所要做的就是搜索一下。一旦你有了工作，编辑你的问题（或回答你自己的问题）。

CDF累积分布函数错误

1 个答案: