0

我查看了 numpy/scipy 文档，但找不到任何内置函数来执行此操作。

我想将代表时间序列的原始数字（温度，碰巧）从原始状态转换为索引序列（即第一个值为 100，后续值根据第一个原始值进行缩放）。因此，如果原始值是(15,7.5,5)，则索引值将是(100,50,33)（心理计算，因此是 int 值）。

这很容易编写自己的代码，但如果可能的话，我想使用内置函数。自制软件是：

def indexise(seq,base=0,scale=100):
    if not base:
        base=seq[0]
    return (i*scale/base for i in seq)
4

1 回答 1

1

如果seq是 numpy 数组，则(i*scale/base for i in seq)可以使用 numpy 矢量化操作代替scale*seq/base。

以下是我可能会修改您的功能的方法：

import numpy as np

def indexise(seq, base=None, scale=100):
    seq = np.asfarray(seq)
    if base is None:
        base = seq[0]
    result = scale*seq/base
    return result

例如，

In [14]: indexise([15, 7.5, 5, 3, 10, 12])
Out[14]: 
array([ 100.        ,   50.        ,   33.33333333,   20.        ,
         66.66666667,   80.        ])

In [15]: indexise([15, 7.5, 5, 3, 10, 12], base=10)
Out[15]: array([ 150.,   75.,   50.,   30.,  100.,  120.])
于 2013-09-25T23:40:38.943 回答