将MATLAB代码移植到Python

Question

更新以反映评论

我需要将MATLAB代码移植到python中。 不幸的是，尽管在调试和谷歌搜索上经历了很多不眠之夜，但是我却无法运行我的代码。 这是有问题的MATLAB代码：

clc;
serie =0:50;
serie = serie - mean(serie);
y = cumsum(serie);
L = length(y);
%Calculate the detrended fluctuation short term coefficient
npuntos = 10;
f1=zeros(1,npuntos);
for n1=4:16
%Segmentation
seg =(1:n1:L);
%disp(length(seg))
yn = zeros(1,L);
    for k = 1:length(seg)-1
        yaux = y(seg(k):seg(k+1)-1);
        x = 1:length(yaux);
        A=[sum(x.^2),sum(x); sum(x),length(x)];
        C=[sum(x.*yaux);sum(yaux)];
        v=inv(A)*C;
        a=v(1); b=v(2);
        pen=a;
        ord=b;
        ytrend = pen*x + ord;
        yn(seg(k):seg(k+1)-1) = ytrend';
    end
f1(n1) = sqrt((1/seg(end)).*sum((y(1:seg(end)-1)-yn(1:seg(end)-1)).^2));
end
n1=4:16;
f1=f1(4:end);
p1 = polyfit(log10(n1(1:end-2)),log10(f1(1:end-2)),1);
alpha1 = p1(1);
disp(alpha1)

我将代码翻译成python的尝试如下：

 import numpy as np data = np.arange(start=0, stop=51, step=1) data = data.transpose() data = data - np.mean(data) y = np.cumsum(data) L = len(y) # Estimate the value of alpha1 npuntos = 12 f1 = [0] * npuntos for i, n1 in enumerate(np.arange(start=4, stop=16, step=1)): seg = np.arange(start=0, stop=L, step=n1) # Potential error yn = [0] * L for k in np.arange(start=0, stop=len(seg)-1, step=1): # Potential Error yaux = y[seg[k]:seg[k + 1]-1] # Potential Error x = np.arange(start=1, stop=len(yaux) + 1, step=1) A = [[sum(x ** 2), sum(x)], [sum(x), len(x)]] C = [[sum(x * yaux)], [sum(yaux)]] v = (np.linalg.inv(A)).dot(C) pen = v[0] ord = v[1] ytrend = pen * x + ord yn[seg[k]: seg[k + 1] - 1] = ytrend f1[i] = np.sqrt((1 / seg[-1]) * sum((y[1:seg[-1] - 1] - yn[1:seg[-1] - 1]) ** 2)) n1 =np.arange(start=4, stop=16, step=1) f1 = f1[4:] xx =np.log10(n1[1: - 2]) yy=np.log10(f1[1: - 2]) print(len(xx)) print(len(yy)) p1 = np.polyfit(xx, yy, 1) alpha1 = p1[1] print(alpha1) 

不幸的是，程序执行此行时出现TypeError

p1 = np.polyfit(xx, yy, 1)

确实可以预期，因为xx的长度为9，而xx的长度仅为5。通过使用注释中建议的try / catch块，

try:
    f1[n1] = np.sqrt((1 / seg[-1]) * sum((y[1:seg[-1] - 1] - yn[1:seg[-1] - 1]) ** 2))
except IndexError:
    f1.append(np.sqrt((1 / seg[-1]) * sum((y[1:seg[-1] - 1] - yn[1:seg[-1] - 1]) ** 2)))

错误是由输出修正的，完全是错误的。

我已经通过调试器，但是我不能完全理解该错误。 有人可以帮忙吗？ PS-如果有人感兴趣，以上代码段应用于计算去趋势波动分析（DFA） 。

Answer 1

那是因为您的npuntos = 10所以f1 = [0] * npuntos使f1 list的大小等于10 。 然后你遍历

for n1 in np.arange(start=4, stop=16, step=1):

并访问从1到15的f1[n1]会给您一个IndexError

UPDATE

首先，您可以使用np.zeros((5,), dtype=np.int)因为您已经在使用np模块。

其次，用IndexError找出问题。 我个人不想陷入您要解决的数学问题，因此解决方案将不是最佳解决方案。 只是稍有变化。 我相信您知道Python索引是从零开始的。 从那开始，您将在第5个元素中开始填充。 我不确定您是否想要它。 您可以enumerate(np.arange(start=4, stop=16, step=1))以创建从零开始的索引到列表：

for i, n1 in enumerate(np.arange(start=4, stop=16, step=1)):
    ...
    f1[i] = np.sqrt((1 / seg[-1]) * sum((y[1:seg[-1] - 1] - yn[1:seg[-1] - 1]) ** 2))

但len(np.arange(start=4, stop=16, step=1))是12不是你创建的尺寸f1 （ 10 ）。 因此，从那时起您可以创建12元素列表。

npuntos = 12
f1 = [0] * npuntos  # or np.zeros((5,), dtype=np.int)

或者，你可以做append ，如果它需要ING值，因为它在MATLAB进行（如@nekomatic说明）。

所以你需要包装

f1[n1] = np.sqrt((1 / seg[-1]) * sum((y[1:seg[-1] - 1] - yn[1:seg[-1] - 1]) ** 2))

在try / except ：

try:
    f1[n1] = np.sqrt((1 / seg[-1]) * sum((y[1:seg[-1] - 1] - yn[1:seg[-1] - 1]) ** 2))
except IndexError:
    f1.append(np.sqrt((1 / seg[-1]) * sum((y[1:seg[-1] - 1] - yn[1:seg[-1] - 1]) ** 2)))