我很难理解这个错误,因为我会给你一个有效的例子,我感兴趣的是而不是。
我必须分析一组包含全年小时价格的数据,称为sys_prices
,经过各种转换后,它是一个有8785行(1列)的numpy.ndarray
对象,每一行都是一个只有一个元素、一个numpy.float64
数字的numpy.ndarray
项。
以下代码不起作用:
stop_day = 95
start_day = stop_day - 10 # 10 days before
stop_day = (stop_day-1)*24
start_day = (start_day-1)*24
pcs=[] # list of prices to analyse
for ii in range(start_day, stop_day):
pcs.append(sys_prices[ii][0])
p, x = np.histogram(pcs, bins='fd')
*24
部分是调整数据集中的索引,以便尊重每小时的分辨率。
我希望为histogram方法提供listpcs
,以便将直方图和bin边的值分别转换为p和x。
我之所以这么说是因为下面的代码可以工作:
start_day = 1
start_month = 1
start_year = 2016
stop_day = 1
stop_month = 2
stop_year = 2016
num_prices = (date(stop_year, stop_month, stop_day) - date(start_year, start_month, start_day)).days*24
jan_prices = []
for ii in range(num_prices):
jan_prices.append(sys_prices[ii][0])
p, x = np.histogram(jan_prices, bins='fd') # bin the data`
这些代码的不同之处在于,工作示例在从一年中选定的日期开始的任意时间段内仅分析10天,而工作示例使用1月份的所有价格(例如,数据集的前744个值)。
奇怪(r)的事情:我对stop_day
使用了不同的值,似乎95会引起错误,而99、100或200不会。
你能帮我吗?
出现此问题的原因是,默认情况下,直方图使用min(pcs)和max(pcs)来确定存储箱的最小和最大范围,但由于数据集中有nans,因此min和max变为nans。可以通过对range参数使用
np.nanmin
和np.nanmax
来解决此问题。p, x = np.histogram(pcs, range=(np.nanmin(pcs), np.nanmax(pcs)) bins='fd')
我认为这比公认的答案好,因为它不需要修改个人电脑
我解决了这个问题,数据集中只有一个NaN,我无法识别。
对于那些想知道如何找到它的人,我只是使用以下代码来查找项的索引:
其中
array
是您的容器。相关问题 更多 >
编程相关推荐