Question

我有一个长度（L）的数据集，我将其命名为“数据”。

data=raw_data.iloc[:,0]

我从“数据”中随机生成了2000个样本系列，并将其命名为“重采样”，以使len = 2000的NumPy矩阵和“数据”的cols = L。

resamples=[np.random.choice(data, size=len(data), replace=True) for i in range (2000)]

下面的代码使用单个数组“ data”显示Scipy.stats中的两个操作。现在，我需要通过定义一个for循环，对每个样本系列（2000行）执行相同的操作。面临的挑战是，第一步需要计算两个参数（位置和比例），应该将它们用于每一行以执行下一个参数。我的知识不足以定义这样的for循环。我想知道是否有人可以帮助我。

loc, scale=stats.gumbel_r.fit(data)

return_gumbel=stats.gumbel_r.ppf([0.9999,0.9995,0.999],loc=loc, scale=scale)

Answer 1

描述有些不清楚，但我认为您只需要：

alist = []
for data in resamples:
   loc, scale=stats.gumbel_r.fit(data)
   return_gumbel=stats.gumbel_r.ppf([0.9999,0.9995,0.999],loc=loc, scale=scale)
   alist.append(return_gumbel)
arr = np.array(alist)

您还可以先创建arr，然后将return_gumbel分配给相应的行，但是列表追加的速度大致相同。循环也可以写成列表理解。

有人谈论vectorizing，但是考虑到计算的复杂性，我怀疑这样做是否可行-至少在不深入研究那些stats函数的细节的情况下，这是不可行的。在numpy中，vectorizing的意思是编写一个函数，使其一次可处理数组的所有行，并以已编译的numpy代码执行操作。

为NumPy数组的每一行上的操作定义一个for循环

1 个答案: