mean

    -5熱度

    3回答

    ID<-rep(1:6,each=3) DV<-rep(1:6,each=3) DV2<-rep(2:7,each=3) DV3<-rep(3:8,each=3) time<-rep(1:3,times=6) df<-data.frame(ID,DV,DV2,DV3,time) 有人請告訴我該怎麼做我計算每個時間點的平均DV((DV1 + DV2 + DV3)/ 3)。平均值將代表所

    0熱度

    1回答

    for x in range(1,17): df.loc[(df[x]=='n'), (x)]=float(0.0) df.loc[(df[x]=='y'), (x)]=float(1.0) df.loc[(df[x]=='?'), (x)]=np.nan df.dtypes 返回所有對象。爲什麼當我特別將每個項目設置爲浮點數0或1或NaN時。基本上我無法在此

    0熱度

    1回答

    我正在使用Angular遍歷MongoDB中的JSON文件的城市名稱,但似乎無法完成。我只希望citynames MongoDB中的JSON文件是: { "_id" : ObjectId("592409faf1f5831ca882ad39"), "city" : "Aalsmeer", "phoneLG" : "0101-101 101" }, { "_id" : ObjectId("

    4熱度

    1回答

    考慮我有具有兩列A和B 10行的數據幀如下: A B 0 21 6 1 87 0 2 87 0 3 25 0 4 25 0 5 14 0 6 79 0 7 70 0 8 54 0 9 35 0 在Excel我可以計算rollingmean這樣不包括第一行: 我該如何在熊貓中做到這一點? 這裏是我試過: import pandas as pd df = pd.read_c

    -1熱度

    2回答

    我抨擊我的頭,因爲我無法弄清楚爲什麼我的C代碼不斷打印一組n個數字的錯誤平均值! 這是我下面的代碼: int main() { int i; int n; int sum = 0.0; int lowest; int highest; float average; int range; int middle;

    0熱度

    1回答

    我有一個關於R中的sapply的問題: 我有一個數據幀Test_ALL,我分割了一個名爲activity的列(目前)。該數據框有20列有超長名稱(例如fBodyBodyGyroJerkMag-std()),我不想直接寫下來。從這個數據框我想要得到每列的意思。我試過這個,它爲1列命名。 aa<-split(Test_ALL,Test_ALL$activity) y<-sapply(aa,funct

    0熱度

    1回答

    我試圖來計算,使用R隨機變量的均值,與蒙特卡羅模擬法的幫助,所以我寫了這個函數計算平均值: > example <- function(n,B=10000) mean(replicate(B,all(sample(n):1:n))) > set.seed(0) > example(3) 計算與其他程序這應該給一個值在2.6662附近,但在RI繼續得到這個輸出: [1] 1 There w

    1熱度

    2回答

    當在numpy中應用sum和mean時是否有避免使用特定值的方法? 我想避免,例如,計算結果時,-999值。 In [14]: c = np.matrix([[4., 2.],[4., 1.]]) In [15]: d = np.matrix([[3., 2.],[4., -999.]]) In [16]: np.sum([c, d], axis=0) Out[16]: array([

    2熱度

    2回答

    我正在尋找一種方法來計算三維Numpy數組中每個給定值的均值,其中20個值直接位於上方,20個值位於正下方的行中。這與我之前提出的一個問題類似(Taking minimum value of each entry +- 10 rows either side in numpy array),但計算41個值的平均值而不是21個值的最小值。 我嘗試過使用Scipy's uniform 1d filte

    -2熱度

    1回答

    我有這樣幾個列的數據幀: (我有很多欄目,從中我要計算平均值,所以我不能滿足他們按名稱) df: A B C D E F.... 1 1 10 ... ... ... 1 1 30 ... ... ... 1 2 100 ... ... ... 1 2 300 ... ... ... 2 1 4 ... ... ...