2016-10-07 4 views
-1

У меня есть два набора данных массива x-массива.Пересечение двух наборов данных x-массива

  • Один называется foo и имеет размеры x,y,time с переменными a,b,c,d.
  • Второй называется bar и является результатом анализа временных рядов на foo.
    • это только имеет размеры x,y и одной переменной e, где все значения e падения между 0 и 1.

Я хотел бы использовать bar для фильтрации или ограничить объем данных x,y,time-записей, обрабатываемых в foo. Только x,y,time с e > 0.8 при каждом x.y следует рассматривать здесь.

Я все еще довольно новичок в X-массивах. Мой вопрос заключается в том, является ли ментальность «заданной операции» каким-либо образом или пересечением двух-харрейных наборов данных и ожиданием меньшего набора данных - это реальный способ рассуждать о x-массивах?

Вот что у меня есть.

foo = loadDataset()
bar = perform_timeseries_analysis()
filtered_bar = bar > 0.8
#TODO: Use bar to reduce the size of foo

+1

вы должны предоставить нам пример ввода и желаемой выводе. также вы должны показать нам, что вы пробовали. [см. это] (http://stackoverflow.com/questions/20109391/how-to-make-good-reproducible-pandas-examples) –

+0

Проблема с тем, что я пробовал, заключается в том, что я достиг тупика ограниченным по моему пониманию X-массивов. То, что я побуждаю людей работать с моим недальновидным мыслительным процессом для решения этих проблем. Я пробовал использовать .where() и фильтры нотации для скобок, которые дают мне истинное значение или значение – Conic

ответ

0

Вот что в конечном итоге работает для меня

import numpy as np 
from example import * 

foo = loadDataset() #returns dataset 
bar = perform_timeseries_analysis(foo) # returns dataset 
mutable_temp = bar.timeseries.values 
mutable_temp[mutable_temp < 0.8] = np.nan 
mutable_temp[np.isfinite(mutable_temp)] = 0 
mask = mutable_temp.astype(np.float32) 
foo = foo + mask 

 Смежные вопросы

  • Нет связанных вопросов^_^