主页 / user-456886

Astraz's questions

Martin Hope
Astraz
Asked: 2022-08-08 18:31:08 +0000 UTC
  • 0

有一个矩阵 Y 20x20。她是二进制的。对其应用“step”函数并获得另一个二进制矩阵 X 20x20。

问题：我们只知道 X 矩阵。我们知道得到 X 矩阵的函数。我们需要尽可能地预测 Y'。MSE 指标。已知 Y' 将由 0 到 1 的实数组成。

如何才能做到这一点？试图生成任何二进制矩阵，应用一个函数。但没有任何结果。我不明白如何在预测矩阵中获得实数。PS 功能很复杂 - 你不能走另一条路。您不能使用机器学习方法感谢您的提示和帮助

def step(X):
    n = X.shape[0]
    W = convolve2d(X, np.ones((3, 3)), mode='same', boundary='wrap') - X
    a = np.tile(np.floor(np.arange(n) / (n / 3)) + 1, (n, 1))
    b =  a.T + 1
    a, b = np.minimum(a, b), np.maximum(a, b)
    gamma = (a + b) / 2
    return ((W <= b)&(W >= gamma)) | (X & (W >= a)& (W <= gamma))

例子

python numpy
Martin Hope
Astraz
Asked: 2022-06-27 16:16:04 +0000 UTC
  • -1

我有一个基本数据列列表，每个列都有不同数量的关注者，例如（“R0_Manufacturer 1”、“R0_Manufacturer 5”、“R0_Manufacturer 11”、“sigma_Manufacturer 1”、“sigma_Manufacturer 2”和 .td）

 cols = ['R0', 'sigma', 'Vt', 'I', 'Io', 'SI', 'KTC', 'MF','MF_spec', 'MF_otosh', 'CSR_carb']

任务：使用以下公式找到每个人的加权平均值：

data[f'R0_Производитель {i}']/100*data[f'Производитель {i}']
пример
data["R0_Производитель 5"]/100*data["Производитель 5"]

以下是有效的代码：

#'R0'
w=0
for i in range(1,65):
    if f'R0_Производитель {i}' in data.columns:
        w+= data[f'R0_Производитель {i}']/100*data[f'Производитель {i}']
    else:
        continue
    data[f'R0_AVER']=w

由于有很多列，我想将它包装在一个函数中，但它不起作用。有什么选择？没有 f' 行是可能的，但我无法想象没有它。谢谢

python
Martin Hope
Astraz
Asked: 2022-06-26 17:01:45 +0000 UTC
  • 2

有一个表 df_1

df_1 = pd.DataFrame({'year':[2011,2012,2013,2014], 'Завод':['kamaz','disel','nissan','bmw'],
                     'AA':[11,212,213,204],'AB':[121,2212,2313,204]})

有一个表 df_2

df_2 = pd.DataFrame({'year':[2011,2012,2013,2014], 'kamaz':[5,0,0,1],'disel':[1,2,3,4],'nissan':[1,1,1,1],'bmw':[11,11,11,12]})

我想得到这样的表，这里只为 Kamaz 显示一个示例

df_3 = pd.DataFrame({'year':[2011], 'AA_kamaz':[5*11],'AB_kamaz':[5*121]})

表 3 的精髓。从表 2 的每一列中，在给定年份的情况下，在表 1 中找到一个类似物。将参数AA和AB乘以表格第1列的值。我试过合并，转置，但是，唉，它不起作用。谢谢

pandas
Martin Hope
Astraz
Asked: 2022-08-16 01:17:26 +0000 UTC
  • 0

在回答“未参加考试准备课程的女性中有多少未通过数学考试？”的问题时，她写道：

len(df[(df["test preparation"] == "none") & (df["math score"] < passmark) & (df.gender == "female")])/len(df[(df["test preparation"] == "none") & (df.gender == "female")])

这里的一切都是正确和真实的。

df["test preparation"] == "none" - не проходившие курс подготовки
df["math score"] < passmark - не сдавшие экзамен
df.gender == "female" - женщины

但是我看到了这个结构，它也是正确的：

df[(df['test preparation'] == 'none') & (df['gender'] == 'female')]['math score'] < passmark).mean()

这不是我第一次看到这样的设计。它很短，令人赏心悦目。帮我弄清楚它是如何制作的。我真的不明白这段话：

& (df['gender'] == 'female')](не понимаю вот этот переход)['math score'] < passmark)

谢谢！

python