我想知道如何編寫 R 命令which(apply(data, 2, var)==0)... 在 Python 中?，F在我正在嘗試運行 R 腳本來執行 PCA。但是，pca()只接受非常量列（=方差不為 0）。例如，只有 Col2 可以被接受為以下非常量列：Col1 Col2 Col30.0 1.2 4.00.0 1.5 4.00.0 1.3 4.00.0 1.1 4.0我以為我刪除了所有常量列。但是，我收到一個錯誤：> Error in prcomp.default(data, center = TRUE, scale = TRUE) : cannot rescale a constant/zero column to unit variance我用谷歌搜索并找到了這個問題和 R 命令解決方案：which(apply(oopsmat, 2, var)==0)它對我有用。該命令指定哪些列仍然不變。因此，我手動刪除了列，R 腳本執行了 PCA?，F在我想在 Python 中做同樣的事情。你會如何用 Python 編寫這個 R 命令？#####################################################請不要閱讀下文，否則會浪費您的時間。我把這個作為我問了一個愚蠢問題的證據：注意：這個 R 命令很奇怪。正如我所說，我已經從我的數據中刪除了所有常量列。此 R 命令表明以下列的方差為 0（摘自大約 50,000 個數據）：: 0 0 4 0 19 0 32 61 878 4 1 13 16 14 2 4 13 : Excel 的差異命令的結果VAR.P是 231.4。這甚至不接近于 0！我不知道發生了什么，我在 Python 中找不到這樣的命令。所以，也請解釋一下這種奇怪的行為。*我忽略了刪除所有異常值的代碼，這就是為什么只剩下 0 的原因。
1 回答
墨色風雨
TA貢獻1853條經驗 獲得超6個贊
本質上，R 中的命令apply(data, 2, var)在二維結構（如矩陣或數據幀）上運行（但不建議后者）以計算所有列的方差：
數據框
set.seed(73120)
random_df <- data.frame(
? num1 = runif(500, 1, 100),
? num2 = runif(500, 1, 100),
? num3 = runif(500, 1, 100),
? num4 = runif(500, 1, 100),
? num5 = runif(500, 1, 100)
)
apply(random_df, 2, var)
#? ? ?num1? ? ?num2? ? ?num3? ? ?num4? ? ?num5?
# 822.9465 902.5558 782.4820 804.1448 830.1097?
一旦which應用，命名向量（即一維數組）的索引將根據邏輯返回。
which(apply(random_df, 2, var) > 900)
# num2?
#? ? 2?
矩陣
set.seed(73120)
random_mat <- replicate(5, runif(500, 1, 100))
apply(random_mat, 2, var)
# [1] 822.9465 902.5558 782.4820 804.1448 830.1097
which(apply(random_mat, 2, var) > 900)
# [1] 2
熊貓
在 Python 中，使用pandas（數據分析庫），等效項也適用：DataFrame.apply軸設置為index在所有列上運行操作。等價地，您可以運行DataFrame.aggregate.?返回是一個熊貓系列，類似于 R 的命名向量作為一維數組。
import numpy as np
import pandas as pd
np.random.seed(7312020)
random_df = pd.DataFrame({'num1': np.random.uniform(1, 100, 500),
? ? ? ? ? ? ? ? ? ? ? ? ? 'num2': np.random.uniform(1, 100, 500),
? ? ? ? ? ? ? ? ? ? ? ? ? 'num3': np.random.uniform(1, 100, 500),
? ? ? ? ? ? ? ? ? ? ? ? ? 'num4': np.random.uniform(1, 100, 500),
? ? ? ? ? ? ? ? ? ? ? ? ? 'num5': np.random.uniform(1, 100, 500)
? ? ? ? ? ? ? ? ? ? ? ? ?})
agg1 = random_df.apply('var', axis='index')
print(agg1)
# num1? ? 828.538378
# num2? ? 810.755215
# num3? ? 820.480400
# num4? ? 811.728108
# num5? ? 885.514924
# dtype: float64
agg2 = random_df.aggregate('var')
print(agg2)
# num1? ? 828.538378
# num2? ? 810.755215
# num3? ? 820.480400
# num4? ? 811.728108
# num5? ? 885.514924
# dtype: float64
R可以通過簡單的括號（在 R 中也是可行的），或（保持原始尺寸）which來實現：[...].locwhere
agg[agg > 850]
# num5? ? 885.514924
# dtype: float64
agg.loc[agg > 850]
# num5? ? 885.514924
# dtype: float64
agg.where(agg > 850)
# num1? ? ? ? ? ?NaN
# num2? ? ? ? ? ?NaN
# num3? ? ? ? ? ?NaN
# num4? ? ? ? ? ?NaN
# num5? ? 885.514924
# dtype: float64
麻木的
另外使用 Python 的numpy（支持數組的數值計算庫），您可以使用numpy.apply_along_axis. 并等同于 Pandas' var，相應地調整默認值ddof：
random_arry = random_df.to_numpy()
agg = np.apply_along_axis(lambda x: np.var(x, ddof=1), 0, random_arry)
print(agg)
# [828.53837793 810.75521479 820.48039962 811.72810753 885.51492378]
print(agg[agg > 850])
# [885.51492378]
添加回答
舉報
0/150
提交
取消