Блог

Я очень новичок в кодировании и пытаюсь написать программу обработки данных. Часть этой программы требует, чтобы я распаковал несколько файлов данных, каждый из которых содержит несколько столбцов, и сохранил все эти столбцы в массиве. Затем цикл ‘for’ должен выполнить базовое вычисление для каждого значения. Я не уверен, почему это не работает. Кажется, что цикл вычисляется только для каждого значения в первом массиве.

 data_array1 = np.loadtxt("hst_gal1_cepheids.dat", dtype = "float", usecols = (1,2,3))
data_array2 = np.loadtxt("hst_gal2_cepheids.dat", dtype = "float", usecols = (1,2,3))
data_array3 = np.loadtxt("hst_gal3_cepheids.dat", dtype = "float", usecols = (1,2,3))
data_array4 = np.loadtxt("hst_gal4_cepheids.dat", dtype = "float", usecols = (1,2,3))
data_array5 = np.loadtxt("hst_gal5_cepheids.dat", dtype = "float", usecols = (1,2,3))
data_array6 = np.loadtxt("hst_gal6_cepheids.dat", dtype = "float", usecols = (1,2,3))
data_array7 = np.loadtxt("hst_gal7_cepheids.dat", dtype = "float", usecols = (1,2,3))
data_array8 = np.loadtxt("hst_gal8_cepheids.dat", dtype = "float", usecols = (1,2,3))

logP_days = np.array([data_array1[1], data_array2[1], data_array3[1], data_array4[1], data_array5[1] , data_array6[1] , data_array7[1], data_array8[1]])

m_V1 = np.array([data_array1[2], data_array2[2], data_array3[2], data_array4[2], data_array5[2] , data_array6[2] , data_array7[2], data_array8[2]])

m_I1 = np.array([data_array1[3], data_array2[3], data_array3[3], data_array4[3], data_array5[3] , data_array6[3] , data_array7[3], data_array8[3]])

data_array9 = np.loadtxt("galaxy_data.dat", dtype= "float", usecols = (1,2))
recessional_velocity = data_array9[1]
V_band_extinction = data_array9[2]

absV = []
absI = []

for i in logP_days:
        abs_M_V = AlphaV*i   BetaV
        absV_new = np.append(absV, abs_M_V)

for i in logP_days:
        abs_M_I = AlphaI*i   BetaI
        absI_new = np.append(absI, abs_M_I)

  

Лучше собирать значения в список и в конце создавать один массив. Попробуйте это:

 absV = []
for i in logP_days:
        abs_M_V = AlphaV*i   BetaV
        absV.append(abs_M_V)
absV_new = np.array(absV)
  

Добавление списка выполняется быстрее и проще для правильного выполнения.

Часто существуют способы построения массива без итерации. Просто бегло взгляните на то, что предлагает этот цикл:

 AlphaV*np.arange(logP_days)   BetaV
  

numpy.append Функция, которую вы вызываете в своих for циклах, не изменяет свой первый аргумент на месте (в отличие от list.append ). Он возвращает новый массив с выполненной конкатенацией.

Ваш код цикла сохраняет выходные данные как absV_new (и asbI_new во втором цикле), но эта переменная перезаписывается каждый раз, когда цикл повторяется. Таким образом, вы увидите результат добавления последней строки данных к всегда пустому исходному списку.

Мне не совсем понятно, чего вы ожидаете. Возможно, вы хотите придерживаться обычных списков Python и использовать absV.append(abs_M_V) ? Или, может быть, вам следует правильно определить размеры ваших AlphaX и BetaX переменных и просто использовать numpy-трансляцию по всему массиву данных, а не использовать цикл Python (например, что-то связанное с AlphaV * logP_days BetaV )?

Я предполагаю, что если вы вместо этого попытаетесь:

 ogP_days = np.array([data_array1[:,0], data_array2[:,0], data_array3[:,0], data_array4[:,0], data_array5[:,0] , data_array6[:,0] , data_array7[:,0], data_array8[:,0]])

m_V1 = np.array([data_array1[:,1], data_array2[:,1], data_array3[:,1], data_array4[:,1], data_array5[:,1] , data_array6[:,1] , data_array7[:,1], data_array8[:,1]])


m_I1 = np.array([data_array1[:,1], data_array2[:,1], data_array3[:,1], data_array4[:,1], data_array5[:,1] , data_array6[:,1] , data_array7[:,1], data_array8[:,1]])
  

и измените usecols = (1,2,3) на usecols = (0,1,2), вы получите лучшие результаты.

Я делаю две вещи. Фрагмент массива [:,0] дает вам первый элемент каждой строки. Также индексы начинаются с 0.