Numpy/Scipy将原始值转换为索引时间序列吗？

Question

我看过numpy/scipy文档，但是我找不到任何内建函数来执行此操作。

我想将表示从其原始状态到索引序列的时间序列（即第一个值为100，随后的值根据第一个原始值进行缩放）的原始数据（温度，因为它发生）进行转换。因此，如果原始值为(15,7.5,5)，则索引值将为(100,50,33)（心智计算，因此为int值）。

这是比较容易编码自己，但我想尽可能使用内置。一个自制是：

def indexise(seq,base=0,scale=100): 
    if not base: 
     base=seq[0] 
    return (i*scale/base for i in seq) 

Answer 1

如果seq是numpy的数组，然后代替(i*scale/base for i in seq)，你可以使用一个numpy的量化操作scale*seq/base。

下面是我可能会修改你的函数：

import numpy as np 

def indexise(seq, base=None, scale=100): 
    seq = np.asfarray(seq) 
    if base is None: 
     base = seq[0] 
    result = scale*seq/base 
    return result 

例如，

In [14]: indexise([15, 7.5, 5, 3, 10, 12]) 
Out[14]: 
array([ 100.  , 50.  , 33.33333333, 20.  , 
     66.66666667, 80.  ]) 

In [15]: indexise([15, 7.5, 5, 3, 10, 12], base=10) 
Out[15]: array([ 150., 75., 50., 30., 100., 120.])