问题标签 [uproot]

我正在尝试使用根目录访问 ROOT TGraph。在 uproot 教程（https://github.com/scikit-hep/uproot#histograms-tprofiles-tgraphs-and-others）中提到了 TGraphs，但没有写到如何将它们加载到 python。有人可以告诉我如何做到这一点的代码片段吗？已经谢谢你了！

我有一些代码可以很好地JaggedArrays提取content, starts, stops，但我想在一些 上运行相同的代码ChunkedArrays，lazyarrays从uproot. 不幸的是，我得到了以下错误：

有什么办法可以使这个工作吗？

因此，我得到了一个 TFile，其中包含两个 TTree 对象，其中包含轨道/塔 pT、eta 和 phi，按事件划分。我的目标是提取事件中的每个轨道和塔，然后使用 FastJet 包对整个事件进行聚类。现在，如果我使用纯 ROOT 执行此任务，我的分析最多需要 30 分钟（使用 ~100 GB TFile）。同时，uproot 将在此时间限制内仅处理 10,000 个事件...

很明显我做错了什么，所以我想问一下，访问逐个轨道信息以获得与 ROOT 相同的速度的正确方法是什么？

我有几个包含 TTree 的 ROOT 文件，其中（除其他外）一些分支是 TVector3 对象。我正在尝试将矢量分量 (x, y, z) 加载到 Pandas DataFrame 中，但无论我尝试什么，我都会收到此错误：

我正在尝试使用uproot.pandas.iterate，但也尝试使用树的f[tree_name].array('hitPosExtrap')方法无济于事。阅读连根拔起的自述文件，我觉得它好像能够理解 TVector3 对象，但我想我错过了一些东西。

有谁知道我从这些树中获取矢量组件（或一些类似 TVector3 的对象）的方法？

我正在使用pandas和uproot从 .root 文件中读取数据，我得到如下表：

桌子

所以，从我的 .root 文件中，我得到了一些树枝。

本质上，我必须为每个条目检索“JetPhi”数据，其中有超过 2 个子条目（或等效地，“nCleanedJets”等于或大于 2 的条目），计算前两个之间“JetPhi”的差异子条目，然后为这些差异制作直方图。

我试图在互联网上查找并尝试了不同的可能性，但我没有找到任何有用的解决方案。如果有人能给我任何提示、建议和/或建议，我将不胜感激。我以前用 C++ 编写代码，但我是 python 新手。

我以前用 C++ 编写代码，所以我是 python 新手，但我仍然不掌握这种语言。

从前段时间开始，我在 jupyter 笔记本中导入 uproot 时遇到了麻烦。它以前运行良好，在我的其他 python 脚本中导入它时仍然运行良好，但是当我尝试在 jupyter notebook 中导入它时，它说ModuleNotFoundError: No module named 'uproot'. 我正在使用虚拟环境，问题很奇怪，因为uproot它肯定安装在 venv 中。即使我尝试

在笔记本的一个单元格中，输出显示：

[编辑] 我现在所做的是将 jupyter-lab 安装到 venv 并且问题似乎更深：

我正在使用 pandas 和 uproot 从 .root 文件中读取数据，我得到如下表：

上述表格由以下代码制成：

我需要在 LepPt 中找到最大值，一旦找到最大值，我还需要检索该最大值的 LepLepId。我找到最大值没有问题：

通过这种方式，我得到了一个包含所有最大值的数组。但是，我必须根据 LepLepId 分隔这些值。所以我需要一个最大 LepPt 和 |LepLepId|=11 的数组和一个最大 LepPt 和 |LepLepId|=13 的数组。

如果有人能给我任何提示、建议和/或建议，我将不胜感激。

我想尝试使用 uproot 将一些带有平面 ROOT NTupels 的根文件读入桌面框架。214 个文件，每个 500kb，每个大约 8000 行和 16 列/变量。它们很容易适应内存中的 pandas 数据框，但我正在尝试学习 dask（和 uproot，以前只使用 root_pandas），因为我希望将来会有更大的数据集。

所以我认为这uproot.daskframes(list_of_paths, flatten=True)将是把文件读入桌面框架的工具。很好地创建框架，但在以下Too many open files错误中计算它：https://pastebin.com/mfHgB16Q。当我将文件限制为例如 100 个时，它的计算工作但很慢（30 秒），在少数文件上，没问题。当我使用 100 个文件并增加篮子（例如 100Mb）以提高速度时，我得到一个RecursionError：https ://pastebin.com/xTHa1Wav

我自己的解决方案是创建带有连根拔起的普通熊猫数据框，延迟创建并使用 dask 创建连接它们，这对我来说效果很好，并且比uproot.daskframes大量文件的计算速度更快。

延迟数据帧创建的好处是我可以使用 dask 来并行化它。

但我觉得应该有一些规范的方式，可能是我缺少的东西，也许还有其他选项我应该用于该daskframes功能，或者我应该完全使用其他功能来做到这一点。你能帮我有什么想法吗或最佳实践？

我正在尝试使用优秀的uproot并awkward-array读取存储在 TTree 中的一些分析数据。我知道 ROOT 不会std::vector<std::vector<int>>以柱状格式编写嵌套向量（即。），但是在讨论之后，我修改了我的树输出以包含两个单独std::vector<int>的分支：一个包含内容，一个std::vector<int>包含偏移量。内容向量在填充树之间多次将值推入其中。每次推入值时，内容向量的大小都会存储在偏移量中。

JaggedArray我的想法是，当我阅读树时，我将通过嵌套重新创建我需要的结构。但是，通过阅读笨拙的数组文档，我似乎无法找到正确的方法来构建这个嵌套JaggedArray而不在 python 中循环。fromoffsets需要一维索引，这意味着锯齿状索引必须变平，然后失去其结构。其他classmethods 似乎都不适合。下面的示例使用了一个生成器，由于在 python 中循环，我认为它会相当慢。有没有更好的方法来构建JaggedArray？或者更好的方法将数据存储在树中？

谢谢！

我想写一棵有两个分支的树。一个分支每个填充包含一个数字，另一个分支每个填充包含一个可变长度数组。从文档中，我可以看到如何做第一个，但不知道如何做第二个？