如果我的術(shù)語不正確，請(qǐng)?jiān)徫?- 我是新手！我試圖根據(jù)數(shù)組中每個(gè)項(xiàng)目中第一個(gè)元素的值來隔離某些條目，并對(duì)某些列執(zhí)行一些操作。這是我正在使用的數(shù)據(jù)類型的示例：[[1, 99, 400],[1, 95, 200],[2, 92, 100],[1, 85, 500],[2, 88, 300]]對(duì)于每個(gè)條件，我需要分別使用 a for loop、if statement和算術(shù)計(jì)算第 2 列和第 3 列的平均值（反映在第 1 列中，其中值為 1 或 2）。我正在嘗試將上述數(shù)組拆分為每個(gè)條件的兩個(gè)單獨(dú)的數(shù)組，然后使用numpy.mean. 這是我希望列表的樣子：cond1 = [[1, 99, 400], [1, 95, 200], [1, 85, 500]]cond2 = [[2, 92, 100], [2, 88, 300]]我堅(jiān)持如何根據(jù)第一個(gè)元素將這些條件分成兩個(gè)新數(shù)組。這是我在谷歌上搜索切片后得到的最遠(yuǎn)距離……但我被卡住了！for x in stim: if stim_acc[0]==1.0: np.where(stim_acc[0] = 1.0) cond1 = [[s,a,rt] for s, a, rt in zip(stim, acc, mrt)] print(cond1)關(guān)于stim,acc和mrt:我有幾列長的數(shù)據(jù)集，從中我將刺激（現(xiàn)在stim）、準(zhǔn)確性（現(xiàn)在acc）和平均反應(yīng)時(shí)間（現(xiàn)在mrt）條目分離到一個(gè)新列表中（本文中的第一個(gè)）。我這樣做是這樣的：stim = data[:,1] acc = data[:,3] mrt = data[:,4] stim_acc = [[s, a, rt] for s, a, rt in zip(stim, acc, mrt)] print(stim_acc)我先發(fā)制人地命名了新列表stim_acc，因?yàn)槲翌A(yù)見到它會(huì)變成一個(gè)列表，計(jì)算循環(huán)中每個(gè)條件的準(zhǔn)確性。謝謝，非常感謝您的幫助。
3 回答
ABOUTYOU
TA貢獻(xiàn)1812條經(jīng)驗(yàn) 獲得超5個(gè)贊
據(jù)我了解，您想按索引 [0] 的值將列表拆分為兩個(gè)列表。如果是 1 則添加到cond1' 列表中，否則添加到cond2' 列表中。您可以使用以下代碼實(shí)現(xiàn)此目的：
cond1=[]
cond2=[]
for item in listoflists:
if item[0] == 1:
cond1.append(item)
else
cond2.append(item)
慕慕森
TA貢獻(xiàn)1856條經(jīng)驗(yàn) 獲得超17個(gè)贊
使用簡單的循環(huán)，您可以顯示如下方式：
data=[[1, 99, 400],
[1, 95, 200],
[2, 92, 100],
[1, 85, 500],
[2, 88, 300]]
groups = [], []
for row in data:
groups[row[0]-1].append(row)
for group in groups:
print(np.mean(group, axis=0)) # means of each column by group
但是對(duì)于這種類型的任務(wù)，通常最好使用 pandas 數(shù)據(jù)框
df = pd.DataFrame(data, columns=["stim", "acc", "mrt"])
for value in df.stim.unique():
print(df[df.stim == value].mean())
或者
for i, group in df.groupby("stim"):
print(i, group.mean())
（我假設(shè)您想要每個(gè)組中每列的平均值。）
慕婉清6462132
TA貢獻(xiàn)1804條經(jīng)驗(yàn) 獲得超2個(gè)贊
使用熊貓groupby：
>>> a = [[1, 99, 400],
[1, 95, 200],
[2, 92, 100],
[1, 85, 500],
[2, 88, 300]]
>>> df = pd.DataFrame(a)
>>> df
0 1 2
0 1 99 400
1 1 95 200
2 2 92 100
3 1 85 500
4 2 88 300
>>> data = df.groupby([0])
>>> cond = data.groups
>>> df.loc[cond[1]]
0 1 2
0 1 99 400
1 1 95 200
3 1 85 500
>>> df.loc[cond[2]]
0 1 2
2 2 92 100
4 2 88 300
添加回答
舉報(bào)
0/150
提交
取消