以下问题是对此处发布的问题的概括:
Counting the intersection of equivalent rows in two tables
我有两个 FITS 文件。例如,第一个文件有 100 行和 2 列。第二个文件有 1000 行和 3 列。
适合文件 1 适合文件 2
A B C D E
1 2 1 2 0.1
1 3 1 2 0.3
2 4 1 2 0.9
我需要获取第一个文件的第一行,即 1 和 2,并检查第二个文件中有多少行具有 C = 1 和 D = 2 相对于E列中的相应值。
在示例中,我在第二个文件中有 3 行 C = 1 和 D = 2。它们的权重分别为 E = 0.1、0.3 和 0.9。关于 E 中的值的加权,我需要将值 0.1+0.3+0.9 = 1.3 与第一个文件的对 (A,B) = (1,2) 相关联。然后,我需要对第二行(第一个文件)执行相同的操作,即 1 和 3,并找出第二个文件中有多少行具有 1 和 3,再次根据 E 列中的值加权,依此类推.
第一个文件没有重复(所有行都有不同的对,没有一个是相同的,只有文件 2 有很多相同的对,我需要找到)。
我最终需要第二个文件中与第一个 FITS 文件的行具有相似值的行的加权数。
结果应该是:
A B 数字
1 2 1.3 # 1 和 2 出现 1.3 次
1 3 4.5 # 1 和 3 出现 4.5 次
对于 A 和 B 列中的所有对依此类推。
从上面引用的帖子得知,E列权重全等于1的解法涉及到Counter
,如下:
from collections import Counter
# Create frequency table of (C,D) column pairs
file2freq = Counter(zip(C,D))
# Look up frequency value for each row of file 1
for a,b in zip(A,B):
# and print out the row and frequency data.
print a,b,file2freq[a,b]
要回答这个问题,我需要在使用 Counter
时在 E 中包含权重:
file2freq = Counter(zip(C,D))
我想知道是否可以这样做。
非常感谢您的帮助!
最佳答案
我会跟进 Iguananaut 在对该问题的评论中提出的建议。我相信 numpy
是一个理想的工具。
import numpy as np
fits1 = np.genfromtxt('fits1.csv')
fits2 = np.genfromtxt('fits2.csv')
summed = np.zeros(fits1.shape[0])
for ind, row in enumerate(fits1):
condition = (fits2[:,:2] == row).all(axis=1)
summed[ind] = fits2[condition,-1].sum() # change the assignment operator to += if the rows in fits1 are not unique
导入后,前两行将从文件中加载数据。这将返回一组 float ,并带有警告:将一个 float 与另一个 float 进行比较容易出现错误。在这种情况下,它会起作用,因为 fits1.csv
中的列和 fits2.csv
中的前两列都是整数,并且由 以相同的方式解析>genfromtxt
.
然后,在 for 循环中创建了变量 condition
,它表示 fits2
中的前两列随时与当前 中的列相匹配
,它是要被考虑在内的(结果是一个 bool 数组)。
然后,最后,对于当前行索引 fits1
的 rowind
,将数组 summed
的值设置为 fits2
第 3 列中所有值的总和>,其中 condition
为 True
。
对于我制作的一个小例子,我得到了这个:
oliver@armstrong:/tmp/sto$ cat fits1.csv
1 2
1 3
2 4
oliver@armstrong:/tmp/sto$ cat fits2.csv
1 2 .1
1 2 .3
1 2 .9
2 4 .3
1 5 .5
2 4 .7
# run the above code:
# summed is:
# array([ 1.3, 0. , 1. ])
关于python - 计算两个表中等效行的加权交集,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28626989/