Найти большие различия в массиве numpy

У меня есть файл csv, который содержит данные двух измерений светодиодов. В файле есть некоторые ошибки, которые дают огромные искры на графике. Я хочу найти эти места, где это происходит.

У меня есть этот код, который создает два массива, которые я рисую.

x625 = np.array(df['LED Group 625'].dropna(axis=0, how='all'))


x940 = np.array(df['LED Group 940'].dropna(axis=0, how='all'))

можно добавить данные? проверьте также функцию numpy.where

seralouk 12.06.2019 20:33
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
1
44
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Я дам ответ с некоторыми искусственными данными, поскольку вы еще не разместили никаких данных.

Итак, после преобразования столбцов pandas в массив numpy вы можете сделать что-то вроде этого:

import numpy as np

# some random data. 100 lines and 1 column
x625 = np.random.rand(100,1)

# Assume that the maximum value in `x625` is a spark.
spark = x625.max()

# Find where these spark are in the `x625` 
np.where(x625==spark)
#(array([64]), array([0]))

Вышеупомянутое означает, что значение, равное spark, находится на 64-й строке 0-го столбца.

Точно так же вы можете использовать np.where(x625 > any_number_here)

Если вместо местоположения вам нужно создать логическую маску, используйте это:

boolean_mask = (x625==spark)

# verify 
np.where(boolean_mask)
# (array([64]), array([0]))

РЕДАКТИРОВАТЬ 1

Вы можете использовать numpy.diff(), чтобы получить различия всех элементов в списке (переменная).

diffs = np.diff(x625.ravel())

Это будет иметь в индексе 0 результаты element1-element0. Если ваулы в diffs большие в определенном положении индекса, то в этом положении возникла искра.

я могу дать дополнительную информацию. У меня есть: df = pd.read_csv (путь), где путь — это путь к файлу. Итак, у меня есть набор данных, в котором у меня есть несколько искр. Поэтому я хочу реагировать, когда возникают эти искры. Это означает, что мне нужно проверить, является ли следующий элемент в массиве неестественно большим. если это имеет больше смысла. И сделайте это несколько раз в массиве

vegiv 12.06.2019 22:44

Это просто. см. мой РЕДАКТИРОВАТЬ 1 в моем ответе

seralouk 12.06.2019 23:02

Другие вопросы по теме