我有一个43个对象的列表,然后每个对象包括75个点。这75个点中的每一个都显示了一天中的一个特定时间,我想从这43个物体中的每一个得到精确时间的标准偏差。我读到应该使用嵌套for循环,但它显示了一个零矩阵。有人能帮我吗
y1 = [
a1, a2, a3, a4, a5, a6, a7, a8, a9, a10,
a11, a12, a13, a14, a15, a16, a17, a18, a19, a20,
a21, a22, a23, a24, a25, a26, a27, a28, a29, a30,
a31, a32, a33, a34, a35, a36, a37, a38, a39, a40,
a41, a42, a43
]
#an example of what 'a' is
a1 = np.array(df1['Level'][33:108])
a2 = np.array(df1['Mlevel'][105:180])
#get the standard deviation
SD = []
for i in range(43):
for j in range(75):
SD.append(np.std(y1[i[j]]))
#plot the standard deviation with mean
for i in range(43):
axs[0].plot(x1, mean_y1 + SD, color='lightblue')
axs[0].plot(x1, mean_y1 - SD, color='lightblue')
因此,基本上我想要的是对j = 0
到75重复下面的循环,但它不起作用
c0 = []
for i in range(43):
c0.append((y1[i][0]))
print(np.std(c0))
因此,如果有人感兴趣,我会找到它,下面的代码可以工作:
#create a list of all the elements (c)
c = []
for j in range(75):
for i in range(43):
c.append((y1[i][j]))
#print(c)
#Get the standard deviation of every 43 points
start = 0 # First to consider
stop = 3225 # the length of the list c
interval = 43 # chunk size
SD = []
for i in range(start, stop, interval):
SD.append(np.std(c[i:(i + interval)]))
print(SD)
如果您有一个由全部为75个元素数组的元素组成的列表,则可以将该列表转换为适当的数组,并将标准偏差操作矢量化:
如果需要每天所有时间的标准偏差,请使用
axis=1
,如果需要43天所有测量值的标准偏差,请使用axis=None
您可以通过以相同的方式计算平均值来简化绘图:
您正在订阅
但是i[j]没有意义,因为i是一个数字0,1,2,…,你应该输入
为了访问列表中的列表元素
相关问题 更多 >
编程相关推荐