问题标签 [rescale]

我正在尝试将包含在两个整数范围内的值转换为包含在另一个给定范围内的另一个整数。我希望输出值是我的输入整数的对应值（尊重比例）。更清楚地说，这是我想解决的问题的一个例子：

• 假设我有三个整数，比如 10、28 和 13，它们包含在 (10, 28) 范围内。10 是最小可能值，28 是最大可能值。
• 我希望将整数转换为 (5, 20) 范围内的“相应”数字作为输出。在这个精确的示例中，10 将转换为 5，28 转换为 20，13 转换为 5 到 20 之间的值，重新调整以保持比例不变。之后，这个值被转换为整数。

如何在 python 中实现这种“重新缩放”？我尝试了通常的计算(value/max of first range)*max of second range，但它给出了错误的值，除非在极少数情况下。

起初我int在 python 中的除法有问题，但在更正后，我仍然有错误的值。例如，使用示例中给出的值，int((float(10)/28)*20)将给我 7 作为结果，它应该返回 5，因为它是第一个范围内的最小可能值。

我觉得这有点明显（在逻辑和数学方面），我遗漏了一些东西。

我有一个包含连续变量和两个分类 ID 变量的数据集。我想缩放我的数据，使得连续变量对于每个 ID 的某个值具有 1 的值。我尝试将它实现为 R 中的一个函数，这样我就可以避免重复编码。

此外，我有一个在 Stata 中实现的重新缩放的示例：

我在 R 中尝试使用新变量创建value_var_i value_var_kandvalue_var_i_k变量，该变量因错误而退出（不适用于类“字符”的方法）：

}

更新二：计算步骤的最小工作示例：value_var两个表中的变量相同。Stata 代码将value_var_kandvalue_var_i变量替换为变量value_var_i_mand value_var_k_m。然后value_var变身。

归一化值 var 如下（对 ID1 级别“15t16”和 ID2 级别“AUS”进行归一化）：

更新：为了使标准化（或缩放）步骤更清晰，我在这里以宽格式显示标准化数据的 pre after。

首先我从以下广泛的数据开始

我将矩阵规范化为具有 AUS 值的行和具有 15t16 值的列。所以，我会得到

（如何）我可以重新调整整个情节吗？

我正在使用我自己的 mbostock 的"Multi-Line Voronoi"分支，现在我遇到了一个数据集，在该数据集中重新调整 y 轴是有意义的。通过只显示较少的“y.domain”。

交互方式，可能使用 +/- 按钮。我已经准备好 +/- 按钮了，哈哈——我什至能​​够重新调整 y 轴本身的比例。但还没有绘制的时间序列线。

我是否必须删除所有线条、voronoi 区域等并重新绘制整个内容？

还是有一个很酷的 D3 命令来简单地重新调整整个图表？

谢谢！

假设我有以下数据：

假设我想缩放每个值，var2使var2列的总和等于 1（基本上将 var2 列转换为概率分布）

我尝试了以下方法：

这不仅给出了大于 1 的总和，而且还将该var2列变成了一个列表，我不能在该列表上执行类似的操作sum

有没有任何有效的方法可以将此列转换为概率分布？

我想绘制包含栅格和矢量数据的缩放对象。目前，我正在绘制一个缩放的 Graphics2D 对象

不幸的是，这种方法有一些缺点（影响笔画宽度，缩放图像的质量较差）。

相反，我想绘制缩放的对象。对于矢量数据，方法很简单：

但是，如何在不重新缩放 Graphics2D 对象的情况下将转换应用于缓冲图像？这种方法不起作用

因为光栅图像不能理解为矢量形状......

谢谢你的帮助。

我有以下数据框：

数据框：sum.pval

我想在热图中表示这些 p 值，但只用三种颜色：

我使用的脚本如下：

但是我没有得到我想要的结果。我得到两件事。首先是一条错误消息：zero_range(from) 中的错误：x 的长度必须为 1 或。然后我得到这个情节：

这不清楚我在寻找什么，我不知道如何使它工作。你可以帮帮我吗？

我正在用 C# 实现一个 DICOM 图像查看器。我不（因为我不允许）使用任何为我进行图像处理的框架或库。

我可以使用哪种算法计算窗口？（带窗口中心和窗口宽度）

我有以下工作要做：

• 像素数据存储为 byte[]
• 像素存储在 Hounsfield 单元中（见第一个代码）

我尝试了以下方法：

计算重新缩放：（已编辑）

计算窗口

第二个代码几乎总是返回 0，所以图像几乎是黑色的。任何想法我做错了什么？

编辑 21.02.2017

我按照 Paolo Brandolis 的建议编辑了代码。我将 HU 存储在 int[] 中。
例如，Rescale Intercept 为 -1024，Rescale Slope 为 1。当 Window Center 为 40，Window Width 为 350 时，一切都是黑色的。
所以还是有问题。有什么建议么？

我有一些我在 Python 中查看的时间序列数据，我知道它们应该遵循正弦²函数，但由于各种原因不太适合它。我正在对其进行 FFT，它具有相当广泛的频率扩展，而它应该是一个非常窄的单一频率。但是，导致这种情况的错误是非常一致的——如果我再次获取数据，它与之前的数据集非常匹配，并给出了非常相似的 FFT。

所以我一直在尝试想出一种方法，我可以重新调整数据的时间轴，使其处于单一频率，然后将同样的重新调整应用于我收集的未来数据。我尝试了各种过滤技术来平滑数据或从 FFT 中削减频率，但运气不佳。我还尝试将频率变化的正弦²拟合到数据中，但无法很好地拟合（如果能够，我会使用频率与时间函数来重新调整原始数据的时间轴使其具有恒定的频率，然后对我收集的任何新数据应用相同的重新缩放）。

这是我正在查看的数据的一个小样本（完整数据持续了几百个周期）。以及由此产生的完整数据的FFT

任何建议将不胜感激。谢谢！

重新调整轴后，我尝试获取新的轴值。

我试图从这里y.domain()得到答案，但返回的值是初始值。

那么我在这里做错了什么？

相关代码：

缩放后，我在屏幕上的值大于 0 且小于 10。那么如何让我的域获得新的最小值和最大值？

这是我的代码的旧版本的小提琴，它具有完全相同的行为（参见zoomed()函数）。

也许我误解了域是什么以及它是如何工作的，我需要的是轴的新最大值和最小值。

我在 3D 网格中有一些数据，这些数据由简单的 i、j、k 位置标识（没有真实世界的空间信息）。这些数据现在在 RasterStack 中。

产生 77 行、101 列、6 层。

产生 39 行、51 列、6 层。

希望的行为：3 层。

除了目前的行为之外，我正在寻找一种跨层聚合的方法，即在每一层内聚合。我对其他数据结构持开放态度，但我更喜欢现有的升级/重采样/聚合算法，而不是我自己编写的算法。

可能相关的是http://quantitative-advice.gg.mq.edu.au/t/fast-way-to-grid-and-sum-coordinates/110/5或时空包，它假设层是时间的而不是比空间，增加了更多的复杂性。