Comment multiplier un scalaire à travers une colonne spécifique dans un tableau NumPy?

J'ai besoin de faire une analyse sur un vaste ensemble de données à partir d'un hydrolgeology travail sur le terrain. Je suis à l'aide de NumPy. Je veux savoir comment je peux:

  1. multipliez par exemple, la 2e colonne de mon tableau par un nombre (par exemple 5.2). Et puis
  2. calculer la somme cumulative des nombres dans la colonne.

Comme je l'ai dit je veux seulement travailler sur une colonne spécifique et non pas l'ensemble du tableau.

source d'informationauteur Mary Jane

  1. 22
     you can do this in two simple steps using NumPy:

>>> # multiply column 2 of the 2D array, A, by 5.2
>>> A[:,1] *= 5.2

>>> # assuming by 'cumulative sum' you meant the 'reduced' sum:
>>> A[:,1].sum()

>>> # if in fact you want the cumulative sum (ie, returns a new column)
>>> # then do this for the second step instead:
>>> NP.cumsum(A[:,1])

    avec les uns se moquèrent de données:

    >>> A = NP.random.rand(8, 5)
>>> A
array([[ 0.893,  0.824,  0.438,  0.284,  0.892],
[ 0.534,  0.11 ,  0.409,  0.555,  0.96 ],
[ 0.671,  0.817,  0.636,  0.522,  0.867],
[ 0.752,  0.688,  0.142,  0.793,  0.716],
[ 0.276,  0.818,  0.904,  0.767,  0.443],
[ 0.57 ,  0.159,  0.144,  0.439,  0.747],
[ 0.705,  0.793,  0.575,  0.507,  0.956],
[ 0.322,  0.713,  0.963,  0.037,  0.509]])
>>> A[:,1] *= 5.2
>>> A
array([[ 0.893,  4.287,  0.438,  0.284,  0.892],
[ 0.534,  0.571,  0.409,  0.555,  0.96 ],
[ 0.671,  4.25 ,  0.636,  0.522,  0.867],
[ 0.752,  3.576,  0.142,  0.793,  0.716],
[ 0.276,  4.255,  0.904,  0.767,  0.443],
[ 0.57 ,  0.827,  0.144,  0.439,  0.747],
[ 0.705,  4.122,  0.575,  0.507,  0.956],
[ 0.322,  3.71 ,  0.963,  0.037,  0.509]])
>>> A[:,1].sum()
25.596156138451427

    quelques règles simples sont nécessaires pour analyser l'élément de sélection (indexation) dans NumPy:

    • NumPy, comme Python, est basée sur 0, donc, par exemple, le "1" ci-dessous fait référence à la deuxième colonne

    • des virgules séparent les dimensions entre parenthèses, donc [lignes, colonnes], par exemple, Un[2,3] indique que l'élément ("cellule") à la ligne trois, colonne de quatre

    • un colon moyens tous des éléments le long de la dimension, par exemple, A[:,1] crée une vue de la colonne 2; A[3,:] fait référence à la quatrième ligne

  2. 5

    Sûr:

    import numpy as np
# Let a be some 2d array; here we just use dummy data 
# to illustrate the method
a = np.ones((10,5))
# Multiply just the 2nd column by 5.2 in-place
a[:,1] *= 5.2
# Now get the cumulative sum of just that column
csum = np.cumsum(a[:,1])

    Si vous ne voulez pas faire cela en place, vous auriez besoin d'un peu différente de la stratégie:

    b = 5.2*a[:,1]
csum = np.cumsum(b)