resampling

2熱度

2回答

我想寫一個GLSL着色器程序爲每個人臉着色。我第一次嘗試使用flat插值限定符激發頂點。我使用普通和位置頂點屬性的平面插值，這給了我想要的固體表面的老派效果。雖然看起來渲染正確，着色器程序實際上並沒有做正確的工作：光計算仍然是每個片段的基礎上進行（在片段着色器），位置矢量是從引發頂點，而不是三角形的質心（右？）。是否可以應用照明式一次，到三角形的重心，然後用整個原始計算的顏色值？怎麼做？

4熱度

1回答

重採樣和熊貓填補丟失的數據

我有一個原始數據集，看起來像這樣： df = pd.DataFrame({'speed': [66.8,67,67.1,70,69], 'time': ['2017-08-09T05:41:30.168Z', '2017-08-09T05:41:31.136Z', '2017-08-09T05:41:31.386Z', '2017-08-09T05:41:31.103Z','20

1熱度

1回答

Python的大熊貓：重新取樣多元時間序列與GROUPBY

我有以下通用格式的數據，我想重新取樣到30天有一系列窗口： 'customer_id','transaction_dt','product','price','units' 1,2004-01-02,thing1,25,47 1,2004-01-17,thing2,150,8 2,2004-01-29,thing2,150,25 3,2017-07-15,thing3,55,17 3,2

1熱度

1回答

熊貓數據框重新取樣的ms值

熊貓菜鳥在這裏。我有以下格式的文件： SET, 0, 0, 0, 6938987, 0, 4 SET, 1, 1, 6938997, 128, 0, 0 SET, 2, 4, 6938998, 145, 0, 2 SET, 0, 9, 6938998, 147, 0, 0 SET, 1, 11, 6938998, 149, 0, 0 .... SET, 1, 30, 6946103,

1熱度

1回答

重新採樣熊貓數據框和列中的合併字符串

我想重新採樣熊貓數據框並將不同的函數應用於不同的列。問題是我無法正確處理一個字符串的列。我想應用一個將字符串與分隔符（如「 - 」）合併的函數。這是一個數據示例： import pandas as pd import numpy as np idx = pd.date_range('2017-01-31', '2017-02-03') data=list([[1,10,"ok"],[2,20

4熱度

1回答

蒙特卡羅模擬，引導和迴歸中的R

我一直在使用SAS很長一段時間，現在我想翻譯我的代碼在R.我需要幫助做到以下幾點：生成若干自舉樣品運行在每個樣品存儲在一個新的數據集的參數的線性迴歸模型的複製樣品我編輯的代碼，更清晰。我用了很多for循環，我知道並不總是推薦。這個過程非常緩慢是否有代碼/軟件包（例如，應用家庭功能，「caret」軟件包）可以使這個非常乾淨的高效/快，尤其是如samplesize * bootsample

0熱度

1回答

向數據框中添加缺失的行，並將其平均分配

我使用自定義採樣器函數對熊貓數據幀進行採樣。這基本上是由兩列組成：時間戳值我想創建一個新的數據幀的所有平均分配的日期時間（即每10分鐘）來填充採樣值中的缺失值（以相同頻率採樣）。 Shoudl我需要使用reindex方法？我試着這樣做： dd = pd.date_range( start_date.astimezone(pytz.utc), end_date.ast

0熱度

1回答

不平衡數據集：過採樣vs重複

我正面臨機器學習任務在高度不平衡數據集。由於最小的類有很少的例子（類似2數百w.r.t到最大的20萬）。我需要執行過採樣（更確切地說，我會過度抽樣較小的類，並且將較大的類過度抽樣爲例子的中間值，但這不在此問題的範圍之內）。現在，我有兩個選擇這樣做： 1）隨機抽樣（當然有更換的）例子從最小的類 2）重複n次的例子從最小的類任何意見是最好的方法？在此先感謝。

0熱度

1回答

日期時間採樣

我有一個像這樣的數據幀： rows = [['bob', '01/2017', 12], ['bob', '02/2017', 14], ['bob', '03/2017', 16], ['julia', '01/2017', 18], ['julia', '02/2017', 16], ['julia', '03/2017', 24]]

0熱度

1回答

如何在Odoo中集成api

我想整合像TSC，UPS，DHL等任何公司的訂單跟蹤服務請給我一些建議或最小代碼。我會非常感激。我是Odoo的初學者，所以我的問題看起來很愚蠢。