значение 5. Как мы можем измерить этот случай? Любая помощь должна быть оценена.
отаю с тремя простыми наборами данных и по причинам воспроизводимости, я делюсь набором данныхВот.
Чтобы было понятно, что я делаю - из столбца 2 я читаю текущую строку и сравниваю ее со значением предыдущей строки. Если оно больше, я продолжаю сравнивать. Если текущее значение меньше значения предыдущего ряда, я хочу разделить текущее значение (меньше) на предыдущее значение (больше). Соответственно следующий код:
import numpy as np
import scipy.stats
import matplotlib.pyplot as plt
import seaborn as sns
protocols = {}
types = {"Data-V": "data_v.csv", "Data-R": "data_r.csv", "Data-C": "data_c.csv"}
for protname, fname in types.items():
col_time,col_window = np.loadtxt(fname,delimiter=',').T
trailing_window = col_window[:-1] # "past" values at a given index
leading_window = col_window[1:] # "current values at a given index
decreasing_inds = np.where(leading_window < trailing_window)[0]
quotient = leading_window[decreasing_inds]/trailing_window[decreasing_inds]
quotient_times = col_time[decreasing_inds]
protocols[protname] = {
"col_time": col_time,
"col_window": col_window,
"quotient_times": quotient_times,
"quotient": quotient,
}
plt.figure(); plt.clf()
plt.plot(quotient_times, quotient, ".", label=protname, color="blue")
plt.ylim(0, 1.0001)
plt.title(protname)
plt.xlabel("quotient_times")
plt.ylabel("quotient")
plt.legend()
plt.show()
Из этого мы наблюдаем следующее.
Данные-V имеет дваquotient
ценности, т.е.0.8 когдаquotient_times
меньше 3 и0,5 когдаquotient_times
больше 3.Данные-R, имеет только одинquotient
значение0,5 независимо от того, что значениеquotient_times
является.Данные-С имеет только одинquotient
значение0.7 независимо от того, что значениеquotient_times
является.Из этого наблюдения я хочу измерить их вероятность (возникновение) при разныхquotient_times
, Вот мой подход
occurrence_count_data_v = 0
possibility_count_data_v = 0
occurrence_count_data_r = 0
possibility_count_data_r = 0
occurrence_count_data_c = 0
possibility_count_data_c = 0
if "data_v".lower() in fname:
for index_v in range(len(quotient)):
if quotient_times[index_v] < 3:
possibility_count_data_v += 1
if quotient[index_v] > 0.5:
occurrence_count_data_v += 1
probability_data_v = float(occurrence_count_data_v) / possibility_count_data_v
print(fname, "=",probability_data_v)
elif "data_r".lower() in fname:
for index_r in range(len(quotient)):
if quotient_times[index_r] < 3:
possibility_count_data_r += 1
if quotient[index_r] == 0.5:
occurrence_count_data_r += 1
probability_data_r = float(occurrence_count_data_r) / possibility_count_data_r
print(fname, "=", probability_data_r)
elif "data_c".lower() in fname:
for index_c in range(len(quotient)):
if quotient_times[index_c] < 3:
possibility_count_data_c += 1
if quotient[index_c] == 0.7:
occurrence_count_data_c += 1
probability_data_c = float(occurrence_count_data_c) / possibility_count_data_c
print(fname, "=",probability_data_c)
Выход
data_v.csv = 1.0 data_r.csv = 1.0 data_c.csv = 1.0
Это означает, что 100% каждого набора данных, гдеquotient_times
меньше 3 и имеетquotient
каждого из данных, как указано выше. Тем не менее, это учитывает каждый данные независимо. Как мы можем измерить возникновениеquotient
для каждого данные против другого? Например, когдаquotient_times
больше 3 какData-V
а такжеData-R
делить то же самоеquotient
значение 5. Как мы можем измерить этот случай? Любая помощь должна быть оценена.