问题标签 [discretization]

我想知道我是否有如下的一阶切比雪夫滤波器响应：

H_filter(s) = 1/(-1-s) = real_H_filter(s) + j Imag_H_filter(s)

而且我的信号如下： G(s)= Gr (s) + j Gi (s)

如何通过例如 0.0001 rad/s 的频率对信号进行离散化和滤波，然后将滤波器应用于信号以在 Python 中获得滤波后的信号？滤波后的信号应该如下所示，可以很容易地分解为实部和虚部？Gf (s) = Hfilter(s) * G(s)

我见过像 cont2discrete 或 scipy.signal.bilinear 这样的函数，但我不确定是否有另一种实现方式。谢谢

如果我有如下功能：

G(s)= C/(sp) 其中 s=jw，c 和 p 是常数。

此外，可用频率为 wa= 100000 rad/s。如何在 Python 中离散化 ∆w = 0.0001wa 的信号？

我是一名 Python 初学者，正在尝试了解计算机科学，我一直在通过学习我已经熟悉的概念/主题来学习如何使用它，例如计算流体力学和有限元分析。我获得了机械工程学位，因此没有多少CS背景。

我正在学习 Lorena Barba 在 jupyter notebook viewer 上的系列，实用数值方法，我正在寻求一些帮助，希望有人熟悉 CFD 和 FEA 的一般主题。

如果您单击下面的链接并转到以下输出行，您会在下面找到我的内容。对在定义的函数内操作的这段代码真的很困惑。

反正。如果有人在那里，对如何解决学习 python 有任何建议，帮助

在[9]

http://nbviewer.jupyter.org/github/numerical-mooc/numerical-mooc/blob/master/lessons/03_wave/03_02_convectionSchemes.ipynb

我有一个数据集。

特征列使用org.apache.spark.ml.feature.QuantileDiscretizerspark 2.3.1的类进行分组，得到的模型分组结果不统一。

最后一个数据包反映的数据几乎是其他数据包的两倍，我在参数中设置了11个数据包，但实际只得到了10个数据包。

看看下面的程序。

输出：

分别对最后一组数据进行分组：

输出：

如果我手动指定要分组的石斑鱼边界：

输出：

请告诉我为什么QuantileDiscretizer会有这样的行为？

如果我想对原始数据进行均匀分组怎么办？

我的数据框中的一个属性具有连续数据类型 (aggregatedInocme)，我想根据 (aggregatedInocme) 属性中的值创建一个具有 (Low, Mid, high) 类别的新属性。我已将分类分为三个范围，如下面的代码所示

我使用 for 循环和 if 语句制作了一个简单的代码来检查属性中每个单元格的值是否属于特定范围，然后将相应的字符串分配给它

我期望具有（低，高，中）任一值的属性。但我不断收到一个带有所有 NA 和错误警告消息的属性： In rr[val] <- append(rr[val], "high") : 要替换的项目数不是替换长度的倍数

错误：“}”中出现意外的“}”

在 Python 中，假设我有连续变量x和y，其值介于 0 和 1 之间（为了更容易）。我的假设一直是，如果我想将这些变量转换为带有 0,0.01,0.02,...,0.98,0.99,1 的 bin 的序数值，可以简单地将原始值四舍五入到第二位。出于某种原因，当我这样做时，它会留下工件。

让我来说明这个问题（但是请注意，我的问题不是如何获得正确的情节，而是实际上如何进行正确的分箱）。首先，这些是重现问题所需的唯一模块：

现在，假设我们连续生成如下数据（其他数据生成过程也会给出相同的问题）：

然后，让我们通过应用一些舍入将x和转换y为上述区间中的序数。然后，让我们将结果存储到xbyy矩阵中，以便绘制其热图以进行说明：

我希望上面的方法可以工作，但是当我绘制矩阵的内容时mtx，我实际上得到了奇怪的伪影。编码：

给我：

最奇怪的是，无论我使用哪种分布生成x以及y用于 RNG 的种子，我总是在 0.30 和 0.59 处得到相同的水平和垂直近乎空的线x和y，经常与线立即平行对于那些显示点集中的人（就像你在图片中看到的那样）。

当我从该矩阵逐个值打印到控制台时，我实际上可以确认与那些近乎空的线相对应的那些确实为零或非常接近于零 - 与它们的相邻点不同。

我的问题可以更恰当地分为两部分：

1. 为什么会出现上述情况？我真的很想了解在那个简单的代码中究竟是什么导致了这样的问题。

2. 有什么更好的方法来生成xy根据切点 0,0.01,0.02,...,0.98,0.99,1 对值进行分箱的by矩阵而不留下上面的工件？

如果您想轻松获取上面直接使用的整个示例代码，请点击以下链接： https ://www.codepile.net/pile/VLAq4kLp

注意：我不想找到正确的绘图方式。我想为自己找到生成表示的“分箱值矩阵”的正确方法是上面的情节。我知道还有其他方法可以在没有工件的情况下完成热图绘制，例如使用plt.matshow(mtx, cmap=plt.cm.jet); plt.show(block=False)or plt.hist2d(x, y, bins=100)。我要问的是我的矩阵生成本身的问题在哪里，它创建了那些接近零的元素。

我正在尝试为具有周期性 BC（周期性负载）的桩求解一维波动方程。

我很确定我的离散化公式。我唯一不确定的是那里的周期性 BC 和时间（t） ==> sin(omega*t)。

当我现在设置它时，它给了我一个奇怪的位移曲线。但是，如果我将其设置为sin(omega*1)or sin(omega*2),... 等，它类似于正弦波，但它基本上意味着sin(omega*t), 即t为整数值sin(2*pi*f*t)时等于 0 ..

我在 Jupyter Notebook 中将所有内容与可视化部分一起编写，但解决方案与传播正弦波相去甚远。

以下是相关的 Python 代码：

我的 Jupyter Notebook 文档。

我必须从时间序列数据中找到相等的宽度。

到目前为止，我可以通过手动选择每一列，然后应用条件来做到这一点。但我需要一种更快的方法来做到这一点。

时间序列数据：

我的代码：

如果你运行这段代码，你会得到结果。我不想要任何新结果，我只想要一个更省时的代码来获得所需的结果。因为，编写每个代码的名称然后应用条件需要大量时间。一点帮助将不胜感激。提前致谢。

在类中具有数值的数据集中，例如：

等级：1.0、2.0、3.0、4.0

WEKA 打开数据集，将类标签理解为数字，但我需要 WEKA 将该变量解释为分类变量。

我需要得到这样的东西，但在 WEKA：

我在这个作业中遇到了一些我完全不知道的问题，以前从未涉足这个领域，我真的需要一些帮助。

首先，我们有一个维纳过程，例如

这意味着该过程的概率在时间间隔 [0,1] 内降至 -3 以下。

现在问题是我们必须通过离散化来模拟这个过程。

1.假设我们先将过程离散化100个点，以这种方式模拟10000个过程。

即，W(0.01)、W(0.02)、……、W(1.00)。

请注意，W(t) – W(t-0.01) ~ N(0,0.01) 独立。

2.使用1.得到的数据，我们近似

经过

这个值和真实值有什么关系

（更大，等于或更小）？

3.通过将 [0,1] 切割成 10,000 个点来重复 1. 和 2.。由此产生的概率会增加还是减少？