clear,cumsum,sum,numel,double,zeros,ones,abs,histeq,max/min

一. clear

clear意思是清空内存中的矩阵常量和变量，清除变量。每次在编写matlab程序时在开始最好加上clear。

二. cumsum

matlab中使用sum和cumsum两个加和函数，区别与联系参考matlab中cumsum函数详解。

matlab中cumsum函数通常用于计算一个数组各行的累加值。在matlab的命令窗口中输入doc cumsum或者help cumsum即可获得该函数的帮助信息。

调用格式及说明

matlab中cumsum函数通常用于计算一个数组各行的累加值。在matlab的命令窗口中输入doc cumsum或者help cumsum即可获得该函数的帮助信息。

调用格式及说明

格式一：B = cumsum(A)

这种用法返回数组不同维数的累加和。

为了便于接下来的叙述，解释一下matlab中矩阵、数组、向量的概念：[1]

首先，matlab是矩阵实验室的意思。也就是说matlab中的数据都被视为矩阵。

数组就是一个一行n列的矩阵，向量就是一个n行一列的矩阵。

如果A是一个向量，cumsum(A) 返回一个向量，该向量中第m行的元素是A中第1行到第m行的所有元素累加和；

如果A是一个矩阵，cumsum(A) 返回一个和A同行同列的矩阵，矩阵中第m行第n列元素是A中第1行到第m行的所有第n列元素的累加和；

如果A是一个多维数组，cumsum(A)只对A中第一个非奇异维进行计算。

格式二：B = cumsum(A, dim)

这种调用格式返回A中由标量dim所指定的维数的累加和。

例如：cumsum(A, 1)返回的是沿着第一维（各列）的累加和，cumsum(A, 2)返回的是沿着第二维（各行）的累加和。

具体用法参考程序示例或matlab的帮助文档。

相关函数

cumprod, prod, sum

编辑本段程序示例

% cumsum example

clc

clear

A=[1;2;3;4;5];

cumsum(A)            % A是一个向量

B=1:5;

cumsum(B)            % A是一个数组

C = [1 2 3; 4 5 6];

cumsum(C, 1)

cumsum(C,2)

% 构造一个多维数组

D = zeros(3, 3, 3);

D(:,:,2) = [1,2,3;4,5,6;7,8,9];

D(:,:,3) = ones(3,3)

cumsum(D)

三. sum

sum 函数的例子

a1=[1, 2, 3; 4, 5, 6; 7, 8, 10]

sum(a1)= 12    15    19

b=[1, 2, 3]

sum(b) = 6

c=[1, 2, 3]

sum(c)=6

四. numel

numel：元素总数。n=numel(A)该语句返回数组中元素的总数。

五. double    

double(A);%返回与A矩阵数值相同但类型为double的矩阵。

六. zeros

zeros函数——生成零矩阵。

B = zeros(n)：生成n×n全零阵。

B = zeros(m, n)：生成m×n全零阵。

B = zeros([m n])：生成m×n全零阵。

B = zeros(d1, d2, d3……)：生成d1×d2×d3×……全零阵或数组。

B = zeros([d1 d2 d3……])：生成d1×d2×d3×……全零阵或数组。

B = zeros(size(A))：生成与矩阵A相同大小的全零阵。

七. ones

ones的使用方法与zeros的使用方法类似。

八. abs

取绝对值。

九. imhist

功能：

计算和显示图像的色彩直方图

格式：

imhist(I, n)

imhist(X, map)

说明：

imhist(I, n)其中，n为指定的灰度级数目，缺省值为256。

imhist(X, map)就算和显示索引色图像X的直方图，map为调色板。

用astem(x, counts)同样可以显示直方图。

十. histeq

histeq函数

功能：

直方图均衡化

格式：

J = histeq(I, hgram)

J = histeq(I, n)

[J,T] = histeq(I, ...)

newmap = histeq(X, map, hgram)

newmap = histeq(X, map)

[new, T] = histeq(X, ...)

说明：

J = histeq(I, hgram)实现了所谓“直方图规定化”，即将原图象I的直方图变换成用户指定的向量hgram。hgram中的每一个元素都在[0,1]中；

J = histeq(I, n)指定均衡化后的灰度级数n，缺省值为64；

[J, T] = histeq(I, ...)返回从能将图像I的灰度直方图变换成图像J的直方图的变换T；

newmap = histeq(X, map)和[new, T] = histeq(X, ...)是针对索引色图像调色板的直方图均衡。

十一. max/min

求矩阵的最大值和最小值。

求矩阵A的最大值的函数有3种调用格式，分别是：

(1) max(A)：返回一个行向量，向量的第i个元素是矩阵A的第i列上的最大值。

(2) [Y,U] = max(A)：返回行向量Y和U，Y向量记录A的每列的最大值，U向量记录每列最大值的行号。

(3) max(A, [], dim)：dim取1或2。dim取1时，该函数和max(A)完全相同；dim取2时，该函数返回一个列向量，其第i个元素是A矩阵的第i行上的最大值。

求最小值的函数是min，其用法和max完全相同。

Cumsum Pandas groupby 两列

如何解决Cumsum Pandas groupby 两列

我有这个数据框

H = Home win
D = Draw
A = Away win
            Datetime    HomeTeam            AwayTeam            HG  AG  FT
0   2021-02-17 22:00:00 Colo Colo           U. De Concepcion    1   0   H
1   2021-02-15 14:30:00 Cobresal            U. Espanola         4   1   H
2   2021-02-14 22:00:00 Deportes Iquique    S. Wanderers        2   0   H
3   2021-02-14 22:00:00 La Serena           A. Italiano         0   2   A
4   2021-02-14 22:00:00 O''Higgins           Colo Colo           1   1   D
... ... ... ... ... ... ...

我想在每一行中总结以前的主场和客场胜利。

代码

#Creating Bool columns for cumsum
df[''HomeWin''] = df[''HG''] > df[''AG'']
df[''Draw''] = df[''HG''] == df[''AG'']
df[''HomeLoss''] = df[''HG''] < df[''AG'']
#Calculating prevIoUs wins of home team except current row
home_sum = df.groupby(''HomeTeam'')[''HomeWin''].apply(lambda x: x.shift(fill_value=0).rolling(99,min_periods=1).sum())
#Calc prevIoUs matches of home team except current row
home_count = (df.groupby(''HomeTeam'')[''Win''].apply(lambda x: x.shift(fill_value=0).rolling(99,min_periods=1).sum()) + df.groupby(''HomeTeam'')[''Draw''].apply(lambda x: x.shift(fill_value=0).rolling(99,min_periods=1).sum()) + df.groupby(''HomeTeam'')[''HomeLoss''].apply(lambda x: x.shift(fill_value=0).rolling(99,min_periods=1).sum()))
#Calculating prevIoUs wins of away team
away_sum = df.groupby(''AwayTeam'')[''HomeLoss''].cumsum()
#Calc prevIoUs matches of away team 
away_count = df.groupby(''AwayTeam'')[''HomeLoss''].cumsum() + df.groupby(''AwayTeam'')[''Draw''].cumsum() + df.groupby(''AwayTeam'')[''HomeWin''].cumsum()
print(away_count)
df[''SUM''] = (home_sum + away_sum) / (home_count + away_count)

输出

                Datetime          HomeTeam          AwayTeam  HG  AG FT     1     X     2      SUM
0    2021-02-17 22:00:00         Colo Colo  U. De Concepcion   1   0  H  2.53  3.01  2.80  0.285714
Home_sum = 6
Home_count = 17
Away_sum = 4
Away_count = 18
df[''SUM''] = (6 + 4) / (17 + 18)
EXPECTED OUTPUT
Home_sum = 6
Home_count = 17
Away_sum = 3
Away_count = 17
df[''SUM''] = (6 + 3) / (17 + 17)

我有一个问题，它不计算同一支球队的比赛，而是同一排球队的比赛。在示例中，错误在于它考虑了 U. De Concepcion 而不是 Colo colo 在 AwayTeam 列中的值

cumsum累计函数系列：pd.cumsum()、pd.cumprod()、pd.cummax()、pd.cummin()

cum系列函数是作为DataFrame或Series对象的方法出现的，因此命令格式为D.cumsum()

举例：

D=pd.Series(range(0,5))

1. cumsum

2. cumprod

3. cummax

4. cummin

参考文献：

【1】Pandas —— cum累积计算和rolling滚动计算

关于numpy 数组求累加和 numpy.cumsum ()和numpy 数组相加的问题我们已经讲解完毕，感谢您的阅读，如果还想了解更多关于Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案、clear,cumsum,sum,numel,double,zeros,ones,abs,histeq,max/min、Cumsum Pandas groupby 两列、cumsum累计函数系列：pd.cumsum()、pd.cumprod()、pd.cummax()、pd.cummin()等相关内容，可以在本站寻找。