因此，您可以在一行中完成所有计算：

Question

我有这个风速数据集，包括以m / s为单位的风速，我想计算时间序列中非零数据的周期。

每个非零数据周期都算作一个“天气事件”。
我还想知道这些事件在数据集中的位置（即索引）。

执行此操作的一种方法是在序列中的每组非零数据之前计算前0，以确定事件数，然后将每个索引值加1以获取事件的位置。

if(nwb.equalsIgnoreCase("numbers")){
    System.out.println("You must type in the rules verbatim "+
        "(word for word, including punctuation), "+
        "as shown on the Student Hand-Out. "+
        "Capitalization does not matter.");
    int count = 1;
    for(int i = 0; i<=(rules.length-1); i++){
        System.out.print("Rule #"+count);
        String response = console.nextLine().replaceAll(" ","");
        if(response.replaceAll(" ", "").equalsIgnoreCase(rules[i].replaceAll(" ", ""))){
            System.out.println("CORRECT");
        }else{
            System.out.println("WRONG\nThe correct wording is: "+rules[i]);
        }
        count++;
    }
}

然而，我遇到# create mock data. d=np.zeros([209]) d1=np.random.randn(189) d2=np.zeros(9) d3=np.random.randn(281) d4=np.zeros(27) d5=np.random.randn(21) d6=np.zeros(155) d7=np.random.randn(58) mock_data=np.concatenate((d,d1,d2,d3,d4,d5,d6,d7),axis=0) indices=np.squeeze(np.array(np.where(mock_data!=0))) # Returns the position vector of every non-zero in the record. # create a vector to store the positions of the previous zero before each SAW event. dummy=np.zeros(0) for i in range(len(indices)): dummy=np.append(dummy,indices[i]-1) dummy=dummy.astype(int) dummy=np.int64(dummy) zerovalue=np.squeeze(np.array(np.where(mock_data[dummy]==0))) # Should return the position of the previous zero before each SAW event. # Add 1 to each value in zerovalue new_index=np.zeros(0) for i in range(len(zerovalue)): new_index=np.append(date_index,zerovalue[i]+1)没有返回我期待的索引的问题。它不是返回指示非零数据组的第一个值所在的索引，而是返回看似随机的索引。

例如，第一个索引应该是209，但我得到0.非常感谢任何帮助。

Answer 1

让我们从清理您的代码开始：

你不需要挤压阵容;只需从where结果中提取第一个元素：

indices = np.where(mock_data)[0]
# array([209, 210, 211, 212, 213, ... 945, 946, 947, 948])

NumPy可以进行矢量化计算，因此您不需要循环来创建dummy：
```
dummy = indices - 1
```
对于zero_value，你也可以省略挤压和数组转换;但是这次你想要零元素，所以比较必须保持：
```
zerovalue = np.where(mock_data[dummy] == 0)[0]
# array([  0, 189, 470, 491])
```
NumPy再次对您的计算进行矢量化：
```
new_index = zerovalue + 1
```

现在解释一下，也许你会发现它出错的地方：

indices是你测量风的点。
dummy是你再次测量风的前一天（没有风的最后一天）
zerovalue是测量风的累积天数（您可以检查在没有可测风的情况下开始测量风的指数）。因为你在风中停下来，最终会忽视风的最后几天。

如果你想在没有风的情况下至少有一天找到风的第一天，你需要保持你的阵列结构：

mock_data != 0 # boolean array where you measured wind
np.diff(mock_data != 0) # boolean array which has True between no-wind and wind.
np.where(np.diff(mock_data != 0))[0] # array with indexes where it changed
# array([208, 397, 406, 687, 714, 735, 890], dtype=int64)

这不是最终结果，因为你还有从刮风天到大风天的变化，所以你丢弃每一个元素

np.where(np.diff(mock_data != 0))[0][0::2]
# array([208, 406, 714, 890], dtype=int64)

因此，您可以在一行中完成所有计算：

np.where(np.diff(mock_data != 0))[0][0::2] + 1 # with the +1
# array([209, 407, 715, 891], dtype=int64)

如果您对刮风天的结束感兴趣，只需将其与[1::2]切片：

np.where(np.diff(mock_data != 0))[0][1::2] + 1
# array([398, 688, 736], dtype=int64)

np.where（）没有返回numpy python中的预期索引

1 个答案:

因此，您可以在一行中完成所有计算：