Numpy/Scipy 将原始值转换为索引时间序列？答案

【问题标题】：Numpy/Scipy convert raw values to indexed timeseries?Numpy/Scipy 将原始值转换为索引时间序列？
【发布时间】：2013-10-01 17:00:14
【问题描述】：

我查看了 numpy/scipy 文档，但找不到任何内置函数来执行此操作。

我想将表示时间序列的原始数字（温度，碰巧）从原始状态转换为索引序列（即第一个值为 100，后续值根据第一个原始值进行缩放）。因此，如果原始值是 (15,7.5,5)，则索引值将是 (100,50,33)（心理计算，因此是 int 值）。

这很容易编写自己的代码，但如果可能的话，我想使用内置函数。自制软件是：

def indexise(seq,base=0,scale=100):
    if not base:
        base=seq[0]
    return (i*scale/base for i in seq)

【问题讨论】：

标签： numpy statistics scipy time-series

【解决方案1】：

如果 seq 是一个 numpy 数组，那么您可以使用一个 numpy 向量化操作 scale*seq/base 来代替 (i*scale/base for i in seq)。

以下是我可能会如何修改您的函数：

import numpy as np

def indexise(seq, base=None, scale=100):
    seq = np.asfarray(seq)
    if base is None:
        base = seq[0]
    result = scale*seq/base
    return result

例如，

In [14]: indexise([15, 7.5, 5, 3, 10, 12])
Out[14]: 
array([ 100.        ,   50.        ,   33.33333333,   20.        ,
         66.66666667,   80.        ])

In [15]: indexise([15, 7.5, 5, 3, 10, 12], base=10)
Out[15]: array([ 150.,   75.,   50.,   30.,  100.,  120.])

【讨论】：

酷，谢谢！我很惊讶现在还没有这样的东西。
对不起，Marcin，我从没想过要冒犯我，我没有看到您的观点，只是阅读并评论了您的评论。
@Greg 您不需要告诉人们接受答案，尤其是当问题是新问题时。我通常会等到有一个完美的答案（这里提供一个内置的），或者在接受最好的答案之前给它几天。