在数据框或 numpy 数组的列中进行数学运算

Question

我有一些数据需要进行简单的数学运算，但它们都在同一列中。这是我的数据可能的样子

我需要执行 (A4+A5)-(A2+A3) 之类的操作，然后在每一行上继续该模式。例如，我的公式类似于 (A5+A6)-(A3+A4)。我一直在考虑如何做到这一点几乎一个星期，但我无法弄清楚。解决此问题的最佳方法是什么？我认为我最好的选择是转置数据，然后从那里使用它？

谢谢

编辑：好的，我想出了一些我认为可行的方法，但我不完全确定我的想法是正确的。这是一个代码sn-p。假设上述数据在一个从索引 0 开始的 numpy 数组中，这可以完成工作吗？

for x in range(len(list24)):
try:
    filt = ((list24[x+2]+list24[x+3])-(list24[x]+list24[x+1]))
    fraser.append(filt)
except IndexError:
    pass

Answer 1

好的，这行得通。我将这些值变成了一个 numpy 数组并执行了以下操作

fraser = []
      for x in range(len(list24)):
    try:
        filt = ((list24[x+2]+list24[x+3])-(list24[x]+list24[x+1]))
        fraser.append(filt)
    except IndexError:
        pass

索引错误是因为最终会到达计算超出索引的地步

Answer 2

对我来说听起来像是卷积。 Scipy 是快速卷积的最佳选择。在您的情况下，您想乘以 [-1, -1, 1, 1] 这意味着列表中的每个元素都与权重相乘并相加 [-1,-1,1,1] 即：-1 * l[x] -1 * l[x+1] +1 * l[x+2] +1 * l[x+3] 对于每个 x。

这就是卷积的作用。它一直用于信号处理（有限响应滤波器）和图像处理（模糊/锐化）。

scipy convolution

我测试过了。结果正是您的代码所做的，并且对于大型列表来说要快得多。在包含 10000 个元素的列表中，scipy 版本需要 291 µs，而您的代码需要 115 ms。速度提高了 400 倍。 （对于小型列表，您的代码更快）。

有一个列表： l = [5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8]

你会的：

>>> from scipy.signal import convolve

>>> f = [1, 1, -1, -1]  # the filter needs to be written backwards due to convention so instead of [-1,-1,1,1] -> [1,1,-1,-1]
>>> c = convolve(l, f, mode='valid')

>>> c
array([4,  0,  -4,  0, 4,  0,  -4,  0, 4,  0,  -4,  0, 4])

vs 你的代码：

>>> c = []
>>> for x in range(len(l)):
...    try:
...        filt = ((l[x+2]+l[x+3])-(l[x]+l[x+1]))
...        c.append(filt)
...    except IndexError:
...        pass

>>> c
[4, 0, -4, 0, 4, 0, -4, 0, 4, 0, -4, 0, 4]

哦。并从数组 c 中获取一个列表，您可以：

>>> import numpy as np
>>> c = c.tolist()
>>> c

[4, 0, -4, 0, 4, 0, -4, 0, 4, 0, -4, 0, 4]

更新：我对此做了一些时间测试。我还发现有一个 numpy 实现。那一个实际上比 scipy 快，尤其是对于很少的样本。 Scipy 在 40 个样本左右更快。