如何将用户定义的行函数应用于加载的数组的所有行？

Question

我编写了一个用户定义的函数，它循环遍历一行值，以便给出值之间的零数（值之间的距离）。 将这些距离附加到列表中，然后对值之间的平均距离的最终值进行平均。 当我加载只有一行值的CSV文件时，该功能很有用。 但是，我希望能够将该函数应用于具有多行的文件，然后将每行的输出报告给数据帧。

这都是用python 3.7运行的。 我试图创建一个嵌套循环，以便手动应用该函数。 我试过了numpy.apply_along_axis函数。 我也尝试将文件作为pandas数据帧读取，然后使用.apply（）函数。 但是，我对pandas有点不熟悉，当我用pandas索引替换函数中的numpy索引时，我开始生成多个错误。

当我加载一个较大的CSV文件并尝试将其应用于文件[0]时，该功能不起作用。 它似乎仅在我加载具有一行值的文件时才起作用。

def avg_dist():
     import statistics as st


    dist = []
    ctr=0

#distances between events

    for i in range(len(n)):
        if n[i] > 0 and i < (len(n)-1):
            if n[i+1]==0:
                i+=1
                while n[i]==0 and i < (len(n)-1):
                    ctr+=1
                    i+=1
                dist.append(ctr)
                ctr=0
            else:
                i+=1
        else:
            i+=1


#Average distance between events
    aved = st.mean(dist)
    return(aved)

Answer 1

最新的回应是在答案的最后。 有几个编辑。

答案的最后（第4次编辑）有一个全新的方法。

我不确定你要做什么，但希望这可以帮助你。

import numpy as np

# Generate some events
events = np.random.rand(3,12)*10.
events *= np.random.randint(5, size=(3,12))<1
events
Out[36]:
array([[ 0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
         0.        ,  5.35598205,  0.        ,  0.        ,  0.        ,
         0.        ,  0.        ],
       [ 0.        ,  6.65094145,  0.        ,  0.        ,  0.        ,
         0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
         0.        ,  6.04581361],
       [ 6.88119682,  4.31178109,  0.        ,  0.        ,  0.        ,
         0.        ,  0.        ,  1.16999289,  0.        ,  0.        ,
         0.        ,  0.        ]])

# generate a boolean array of events.  (as int for a compact print.)
an_event = (events != 0).astype(np.int)
n_event

Out[37]:
array([[0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
       [1, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0]])

def event_range(arr):
    from_start = arr.cumsum(axis=1)
    from_end = np.flip(arr, axis=1).cumsum(axis=1)
    from_end = np.flip(from_end, axis=1)
    return np.logical_and(from_start, from_end).astype(np.int)

event_range函数一步一步。
from_start是an_event的cumsum。 在任何事件之前为零，之后> 0。

from_start = an_event.cumsum(axis=1) # cumsum the event count.  zeros before the first event.
from_start
Out[40]:
array([[0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1],  # zeroes before the first event.
       [0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2],
       [1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3]], dtype=int32)

from_end是an_event的cumsum，但是从max到min。 因此在最后一次事件之后为零。

from_end = np.flip(an_event, axis=1).cumsum(axis=1) # cumsum of reversed arrays
from_end = np.flip(from_end, axis=1) # reverse the result.
from_end
Out[41]:
array([[1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0], # zero after the last event.
       [2, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
       [3, 2, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0]], dtype=int32)

在第一个事件之前逻辑地将这些组合在一起得到零，在那之后将其归零，并在最后一个事件之后归零。

ev_range = np.logical_and(from_start, from_end).astype(np.int)
ev_range
Out[42]:
# zero before first and after last event, one between the events.
array([[0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0], 
       [0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],  
       [1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0]])

n_range = ev_range.sum(axis=1)
n_range
Out[43]: array([ 1, 11,  8])

n_events = an_event.sum(axis=1)
n_events
Out[44]: array([1, 2, 3])

avg = n_range / n_events
avg
Out[45]: array([ 1.        ,  5.5       ,  2.66666667])

avg应该是n_range /（n_events-1）吗？ 即计算差距，而不是事件。

您对连续一场比赛的期望是什么？ 连续零事件是什么？

编辑以下评论

要计算长于零的间隙，请稍微考虑一下。 最简单的可能是取连续列的差异。 如果这些是-1，那么有一个1后跟一个零。 如果最后一列中包含事件，则需要为数据添加最后一列。

np.random.seed(10)

test = 1*(np.random.randint(4, size=(4,12))<1)

test
Out[24]: 
array([[0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0],
       [0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 1],
       [0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0]])

temp = np.diff(test, axis=-1)

temp
Out[26]: 
array([[ 0,  1, -1,  1, -1,  0,  1, -1,  0,  1, -1],
       [ 0,  1, -1,  1, -1,  1, -1,  1, -1,  1,  0],
       [ 0,  0,  1, -1,  0,  0,  0,  1,  0, -1,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  1, -1,  0]])

np.where(temp<0, 1,0)
Out[28]: 
array([[0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1],
       [0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0]])

In [29]: np.where(temp<0, 1,0).sum(axis=-1)-1
Out[29]: array([3, 3, 1, 0]) # should be [3, 4, 1, 0]

添加一列零进行测试。

test = np.hstack((test, np.zeros((4,1), dtype = np.int)))
test 
Out[31]: 
array([[0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0],
       [0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 1, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0]])

temp=np.diff(test, axis=-1)

temp
Out[35]: 
array([[ 0,  1, -1,  1, -1,  0,  1, -1,  0,  1, -1,  0],
       [ 0,  1, -1,  1, -1,  1, -1,  1, -1,  1,  0, -1], # An extra -1 here.
       [ 0,  0,  1, -1,  0,  0,  0,  1,  0, -1,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  1, -1,  0,  0]])

np.where(temp<0, 1,0).sum(axis=-1)-1
Out[36]: array([3, 4, 1, 0])

正如我所说，有点牵扯。 循环可能更容易，但如果更难以理解，这应该更快。

第二次编辑跟随另一个想法

import numpy as np

np.random.seed(10)
test = 1*(np.random.randint(4, size=(4,12))<1)
test

Out[2]: 
array([[0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0],
       [0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 1],
       [0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0]])

temp = np.diff(test, axis=-1)

np.where(temp<0, 1, 0).sum(axis=-1)+test[:,-1]-1
# +test[:,-1] adds the last column to include any 1's from there.
Out[4]: array([3, 4, 1, 0])

第3编辑

通过我创建2个函数来思考这一点，我还展示了一个do_divide，它可以应对除零。

import numpy as np

def zero_after_last_event(arr):
    """
    Returns an array set to zero in all cells after the last event
    """
    from_end = np.flip(arr, axis=-1).cumsum(axis=-1) # cumsum of reversed arrays
    from_end = np.flip(from_end, axis=-1) # reverse the result.
    from_end[from_end>0] = 1  # gt zero set to 1
    return from_end

def event_range(arr):
    """ event_range is zero before the first event, 
        zero after the last event and 1 elsewhere. """
    return np.logical_and(arr.cumsum(axis=-1), zero_after_last_event(arr)).astype(np.int)

def do_divide(a, b):
    """ Does a protected divide.  Returns zero for divide by zero """
    with np.errstate(invalid='ignore'): # Catch divide by zero
        result = a / b
        result[~np.isfinite(result)] = 0.
    return result

设置测试数组

np.random.seed(10)
events = 1*(np.random.randint(4, size=(4,12))<1)
events
Out[15]: 
array([[0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0],
       [0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 1],
       [0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0]])

以上是上述功能和数据。

# Count gap lengths  
gaps = 1 - events # invert the values in events (1->0, 0->1) 
gaps = np.logical_and(gaps, event_range(events)).astype(np.int)
gaps
Out[19]: 
array([[0, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 0],
       [0, 0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 0],
       [0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]])

sumgaps = gaps.sum(axis = -1)
sumgaps
Out[22]: array([5, 4, 4, 0])

# Count how many gaps
temp = np.diff(events, axis=-1) # temp is -1 when an event isn't immediately followed by another event.
n_gaps = np.where(temp<0, 1, 0).sum(axis=-1)+events[:,-1]-1
# +test[:,-1] adds the last column to include any 1's from there.
n_gaps
Out[23]: array([3, 4, 1, 0])

do_divide(sum_gaps, n_gaps)
Out[21]: array([1.66666667, 1.        , 4.        , 0.        ])

第四次编辑 - 使用np.bincount

import numpy as np

def do_divide(a, b):
""" Does a protected divide.  Returns zero for divide by zero """
    with np.errstate(invalid='ignore'): # Catch divide by zero
        result = a / b
        result[~np.isfinite(result)] = 0.
        return result

np.random.seed(10)
events = 1*(np.random.randint(4, size=(4,12))<1)

cumulative = events.cumsum(axis=1)
cumulative
Out[2]: 
array([[0, 0, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4],
       [0, 0, 1, 1, 2, 2, 3, 3, 4, 4, 5, 6],
       [0, 0, 0, 1, 1, 1, 1, 1, 2, 3, 3, 3],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1]])

bin_count_len = 1+cumulative.max()  # Biggest bins length required.

result = np.zeros((cumulative.shape[0], bin_count_len), dtype=np.int)
for ix, row in enumerate(cumulative):
    result[ix] = np.bincount( row, minlength = bin_count_len )

result
Out[4]: 
array([[2, 2, 3, 3, 2, 0, 0],
       [2, 2, 2, 2, 2, 1, 1],
       [3, 5, 1, 3, 0, 0, 0],
       [9, 3, 0, 0, 0, 0, 0]])

在任何事件之前丢失第0列。 总是在最后一个事件之后丢失最后一列。 间隙包括打开事件，-1将其从间隙大小中移除。

temp = result[:, 1:-1]-1   # 
temp
Out[6]: 
array([[ 1,  2,  2,  1, -1],
       [ 1,  1,  1,  1,  0],
       [ 4,  0,  2, -1, -1],
       [ 2, -1, -1, -1, -1]])

如果temp [r，n + 1] == 0，则设置任何单元格temp [r，n] = 0

temp_lag = (result[:, 2:]>0)*1
temp_lag
Out[8]: 
array([[1, 1, 1, 0, 0],
       [1, 1, 1, 1, 1],
       [1, 1, 0, 0, 0],
       [0, 0, 0, 0, 0]])

temp *= temp_lag
temp
Out[10]: 
array([[1, 2, 2, 0, 0],
       [1, 1, 1, 1, 0],
       [4, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]])

tot_gaps = temp.sum(axis=1)
n_gaps = np.count_nonzero(temp, axis=1)

tot_gaps, n_gaps
Out[13]: (array([5, 4, 4, 0]), array([3, 4, 1, 0]))

do_divide(tot_gaps, n_gaps)
Out[14]: array([1.66666667, 1.        , 4.        , 0.        ])

HTH