时间戳

首页 > 解决方案 > 有没有办法在python中对具有不匹配索引的数组进行子集化？

python - 有没有办法在python中对具有不匹配索引的数组进行子集化？

问题描述

为了重现性，我目前正在将 R 文件翻译成 python。我被困在一个名为 get_density 的用户定义函数上（见下文）。用户定义函数的一部分使用了 R 的核密度估计函数，它返回一个包含 3 个数组的列表。我的问题出在用户定义函数的最后一行。在该行中，kde2d 列表的最后一个元素从列表中子集化，然后该元素由单独的矩阵子集化。当我在 python 中尝试相同的事情时，我收到错误“索引 100 超出轴 0 的范围，大小为 100。”

我目前正在从 Spyder 的 rStudio 翻译。我重新创建了 kde2d 和 get_density 函数，除了最后一行，但是当我尝试在 python 中对生成的矩阵“z”进行子集化时，我不断收到一条错误消息。

这是我要翻译的原始 R 代码：

get_density <- function(x, y, n = 100) {
  dens <- MASS::kde2d(x = x, y = y, n = n)
  ix <- findInterval(x, dens$x)
  iy <- findInterval(y, dens$y)
  ii <- cbind(ix, iy)
  return(dens$z[ii])
}

这是我的python翻译：

def kde2d(vals1, vals2, N):
    x=np.linspace(np.min(vals1), np.max(vals1), N)
    y=np.linspace(np.min(vals2), np.max(vals2), N)
    X,Y=np.meshgrid(x,y)
    positions = np.vstack([Y.ravel(), X.ravel()])

    values = np.vstack([vals1, vals2])
    kernel = sstat.gaussian_kde(values)
    Z = np.reshape(kernel(positions).T, X.shape)

    return [x, y, Z]

def get_density(x, y, N):
    dens = kde2d(x, y, N)
    ix = np.searchsorted(dens[0], x)
    iy = np.searchsorted(dens[0], y)
    ii = np.vstack([ix, iy])
    ii = np.rot90(ii)
    ii = np.flip(ii)
    ii = np.flip(ii, axis=1)
    z = dens[2]
    return(z[ii])

导致错误的是 return(z[ii]) 行。

工作 R 代码的结果是一个数值列表，这就是我在 python 中想要的。然而，我在 python 中得到的唯一结果是 IndexError: index 100 is out of bounds for axis 0 with size 100

标签： pythonr

解决方案

与 R、Python 和大多数其他编程语言相反，使用从零开始的索引。因此，包含元素的数组/列表以.n开头x[0]和结尾x[n-1]。在您的情况下，x[99]是列表的最后一个元素，并且x[100]超出范围，因此会产生错误。

推荐阅读