Найти максимум абс. значение для каждой группы индекса строки, упорядочить макс. значения по диагонали в матрице, недиагональные значения по индексам, найти определитель

Question

Я новичок в Python.

Я хочу найти самые большие значения из всех столбцов для группы одинаковых индексов строк (т. Е. От 5 до 130, начиная с 5), а также показать метку индекса строки и столбца в выходных данных.Наибольшие значения могут быть как положительными, так и отрицательными (+ или -)

Не должно быть дубликатов для индексов строк в разных группах.т.е. один индекс строки для одной группы.

PS- Если две группы имеют макс.значения в тех же индексах строк, а затем рассмотрим следующее наибольшее значение другого индекса строки.

После нахождения наибольшего значения в каждой группе расположите эти значения по диагонали в квадратной матрице.Затем заполните оставшиеся недиагональные значения соответствующими значениями индексов столбцов для каждой группы из основного кадра данных и найдите его определитель.

Мой кадр данных:

df=pd.DataFrame(
    {'0_deg': [2, 11, 21, -17, 5, 40, 22, 7, 20, -6, -6, -6, 24, 21, 20, 61, 21, 5, 2, 17], 
     '10_deg': [12, -21, 11, 1, 4, -2, 33, 53, 18, 10, -3, -1, 23, 18, 23, 8, 11, -25, 21, -14], 
     '20_deg': [23, -10, 3, 20, -41, 13, 10, 5, -9, 7, -4, -21, 14, -26, -31, 9, 1, -15, 3, -6], 
     '30_deg': [12, 9, -5, 4, 9, -46, 1, -8, -27, 3, -9, -14, 15, -6, 14, 7, -11, 5, 19, -4]}, index=[5, 10, 12, 101, 130, 5, 10, 12, 101, 130, 5, 10, 12, 101, 130, 5, 10, 12, 101, 130])

Новый кадр данных: Числа с плавающей запятой вместо целых чисел

data_dict ={'0_deg': [3.30E-05, 2.34E-05, 1.59E-05, 1.08E-06, 1.93E-05, 2.30E-06, -9.20E-05, 5.20E-05, 1.90E-06, 2.12E-05, 2.02E-05, 1.62E-05, -8.20E-05, 1.60E-06, 1.44E-05, 1.62E-05, 8.85E-07, -2.45E-05, -4.05E-06, -1.92E-05], 
   '10_deg': [1.23E-05, -2.11E-05, -2.03E-06, 5.04E-06, 7.87E-06, 4.51E-06, 9.41E-06, -1.04E-05, -1.85E-05, -6.19E-06, 1.19E-05, 2.01E-05, 4.30E-06, 3.66E-06, 5.21E-06, -3.32E-06, 4.02E-06, 2.00E-05, 8.73E-07, 2.41E-05], 
   '20_deg': [7.10E-06, 1.63E-05, 4.12E-05, -6.37E-06, 1.52E-06, 9.65E-06, 4.14E-06, -4.51E-05, -1.82E-05, -7.86E-05, 7.16E-05, 7.00E-05, 6.70E-06, 4.54E-07, 5.55E-07, 6.45E-06, 5.69E-06, 1.00E-05, -5.65E-06, 3.00E-05], 
   '30_deg': [-3.20E-06, 3.54E-05, 6.21E-05, 5.10E-07, -1.20E-05, 1.14E-05, 4.19E-05, -1.23E-05, -9.11E-05, 4.20E-05, -1.52E-05, -1.00E-06, 2.06E-06, 3.33E-06, 2.30E-06, 1.41E-05, 3.62E-05, 3.90E-05, -1.56E-05, 4.00E-06],
  }

Вывод значений с плавающей запятой со следующей ошибкой:

В кодетолько тип данных изменяется на float dtype=np.float32

Это дает мне ОЖИДАЕМЫЙ ВЫХОД 1:

Но для заполнения матрицы и определения детерминанта она показываетследующая ошибка .Также, если я пытаюсь добавить еще одну группу от 4 до 5, или если я добавляю еще 1 индекс столбца, я получаю ту же ошибку .Я хочу реализовать код для 15 групп по 100 индексов в каждой.

while idx[idx_angle_number[0][0]] in repeating_row_idx:
IndexError: index 0 is out of bounds for axis 0 with size 0

Фактический результат:

В моем фактическом выводе индекс 130 повторяется для 2 групп, в таком случае рассмотрим следующее более высокое значение другого индекса.

Ожидаемый результат 1:

Ожидаемый результат 2:

Ожидаемый результат 3:

Код, который я пробовал:

df = pd.read_csv ('Matrixfile.csv')
df = df.set_index('Index')

def f(x):
    x1 = x.abs().stack()
    x2 = x.stack()
    x = x2.iloc[np.argsort(-x1)].head(1)
    return x

groups = (df.index == 5).cumsum()
df1 = df.groupby(groups).apply(f).reset_index(level=[1,2])
df1.columns = ['Index','Angle','Value']

print (df1)
df1.to_csv('Matrix_OP.csv', encoding='utf-8', index=True)

Другой код, который я пробовал:

import numpy as np

# INPUT
data_dict ={'0_deg': [43, 50, 45, -17, 5, 19, 11, 32, 36, 41, 19, 11, 32, 36, 1, 19, 7, 1, 36, 10], 
   '10_deg': [47, 41, 46, -18, 4, 16, 12, 34, -52, 31, 16, 12, 34, -71, 2, 9, 52, 34, -6, 9], 
   '20_deg': [46, 43, -56, 29, 6, 14, 13, 33, 43, 6, 14, 13, 37, 43, 3, 14, 13, 25, 40, 8], 
   '30_deg': [-46, 16, -40, -11, 9, 15, 33, -39, -22, 21, 15, 63, -39, -22, 4, 6, 25, -39, -22, 7],
   }

# Row idx of a group in this list
idx = [5, 10, 12, 101, 130]


# Getting some dimensions and sorting the data
row_idx_length = len(idx) 
group_length = len(data_dict['0_deg'])
number_of_groups = len(data_dict.keys())  
idx = idx*number_of_groups   
data_arr = np.zeros((group_length,number_of_groups),dtype=np.int32) 
#
col = 0
keys = []
for key in sorted(data_dict):
    data_arr[:,col] = data_dict[key]
    keys.append(key)
    col+=1

def get_max_value_group(arr):
    # function to find maximum absolute value of a 2d array
    max_values = []
    for i in range(0, len(arr)):
        max_value = max(abs(arr[i]))
        max_values.append(max_value)
    return max(max_values) 

# For output 1
max_values = []  
for i in range(0,row_idx_length*number_of_groups,row_idx_length):
    # get the max value for the current group
    value = get_max_value_group(data_arr[i:i+row_idx_length])
    # get the row and column idx associated with the max value
    idx_angle_number = np.nonzero(abs(data_arr[i:i+row_idx_length,:])==value)
    print('Group number : ' + str(i//row_idx_length+1))
    print('Number : '+ str(idx[idx_angle_number[0][0]]))
    print('Angle : '+ keys[idx_angle_number[1][0]])
    print('Absolute value : ' + str(value))   
    print('------')
    max_values.append(value)

# Arrange those values diagonally in square matrix for output 2
A = np.diag(max_values)   
print('A = ' + str(A))

# Fill A with desired values
for i in range(0,number_of_groups,1):
    A[i,0] = data_arr[i*row_idx_length+2,2]   # 20 deg 12
    A[i,1:3] = data_arr[i*row_idx_length+3,1] # x2 : 10 deg 101
    A[i,3] = data_arr[i*row_idx_length+1,1]   # 10 deg 10

# Final output
# replace the diagonal of A with max values
# get the idx of diag
A_di = np.diag_indices(number_of_groups)
# replace with max values
A[A_di] = max_values
print ('A = ' + str(A)) 

# Compute determinant of A
det_A = np.linalg.det(A)
print ('det(A) = '+str(det_A))

Запрос поддержки отсообщества.

Answer 1

Я добавляю следующие модификации:

* Функция поиска абсолютных экстремумов, а не max (abs ()).

* Во время поиска я добавляю тест, чтобы избежать повторения idx.

* Заполнение A для окончательного вывода теперь основано на результате вывода 1

import numpy as np

# INPUT
data_dict ={'0_deg': [2, 11, 21, -17, 5, 40, 22, 7, 20, -6, -6, -6, 24,     21, 20, 61, 21, 5, 2, 17], 
 '10_deg': [12, -21, 11, 1, 4, -2, 33, 53, 18, 10, -3, -1, 23, 18, 23, 8, 11, -25, 21, -14], 
 '20_deg': [23, -10, 3, 20, -41, 13, 10, 5, -9, 7, -4, -21, 14, -26, -31, 9, 1, -15, 3, -6], 
 '30_deg': [12, 9, -5, 4, 9, -46, 1, -8, -27, 3, -9, -14, 15, -6, 14, 7, -11, 5, 19, -4]}

# row idx of a group in this list
idx = [5, 10, 12, 101, 130]


# getting some dimensions and sorting the data
row_idx_length = len(idx) 
group_length = len(data_dict['0_deg'])
number_of_groups = len(data_dict.keys())  
idx = idx*number_of_groups   
data_arr = np.zeros((group_length,number_of_groups),dtype=np.int32) 
#
col = 0
keys = []
for key in sorted(data_dict):
    data_arr[:,col] = data_dict[key]
    keys.append(key)
    col+=1 
# just a similar array for repeatition test    
data_arr_repeat = np.copy(data_arr)

def get_extrema_value_group(arr):
    # function to find absolute extrema value of a 2d array
    extrema = 0
    for i in range(0, len(arr)):
        max_value = max(arr[i])
        min_value = min(arr[i])
        if (abs(min_value) > max_value) and (abs(extrema) < abs(min_value)):
            extrema = min_value
        elif (abs(min_value) < max_value) and (abs(extrema) < max_value):
            extrema = max_value         
    return extrema 

# for output 1
max_values = []  
# for repeatition and A filling
sorted_number = []
sorted_angle = []
for i in range(0,row_idx_length*number_of_groups,row_idx_length):
    # get the max value for the current group
    value = get_extrema_value_group(data_arr[i:i+row_idx_length])
    # get the row and column idx associated with the max value
    idx_angle_number = np.nonzero(data_arr[i:i+row_idx_length,:]==value)
    #
    # test for repetition
    while idx[idx_angle_number[0][0]] in sorted_number:
        print('>> Extrema '+str(value)+' got repeating idx ' + str(idx[idx_angle_number[0][0]]) + ' : next higher value of another index will be considered')
        # set data_arr repeating value to 0 to exclude it
        data_arr_repeat[i+idx_angle_number[0][0],idx_angle_number[1][0]] = 0
        # get the NEW max value for the current group
        value = get_extrema_value_group(data_arr_repeat[i:i+row_idx_length])
        # get the row and column idx associated with the max value
        idx_angle_number = np.nonzero(data_arr_repeat[i:i+row_idx_length,:]==value)    
    #
    print('Group number : ' + str(i//row_idx_length+1))
    print('Number : '+ str(idx[idx_angle_number[0][0]]))
    print('Angle : '+ keys[idx_angle_number[1][0]])
    print('Absolute extrema value : ' + str(value))   
    print('------')
    max_values.append(value)
    sorted_number.append(idx_angle_number[0][0])
    sorted_angle.append(idx_angle_number[1][0])


# arrange those values diagonally in square matrix for output 2
A = np.diag(max_values)   
print('A = ' + str(A))

# fill A with desired values based on sorted_number and sorted_angle
for i in range(0,number_of_groups,1):
    for j in range(0,number_of_groups,1):
        A[j,i] = data_arr[j*row_idx_length+sorted_number[i],sorted_angle[i]]

# Final output
# replace the diagonal of A with max values
# get the idx of diag
A_di = np.diag_indices(len(max_values))
# replace with max values
A[A_di] = max_values
print ('A = ' + str(A)) 

# Compute determinant of A
det_A = np.linalg.det(A)
print ('det(A) = '+str(det_A))

Общий объем производства:

Group number : 1
Number : 130
Angle : 20_deg
Absolute extrema value : -41
------
Group number : 2
Number : 12
Angle : 10_deg
Absolute extrema value : 53
------
>> Extrema -31 got repeating idx 130 : next higher value of another index will be considered
Group number : 3
Number : 101
Angle : 20_deg
Absolute extrema value : -26
------
Group number : 4
Number : 5
Angle : 0_deg
Absolute extrema value : 61
------
A = [[-41   0   0   0]
     [  0  53   0   0]
     [  0   0 -26   0]
     [  0   0   0  61]]
A = [[-41  11  20   2]
     [  7  53  -9  40]
     [-31  23 -26  -6]
     [ -6 -25   3  61]]
det(A) = 7265430.000000008

Answer 2

Попробуйте:

# groups of rows
g = df.groupby(df.index.to_series().eq(5).cumsum())

r_list = []
cols = []
for i, v in g:
    r,c = v.drop(r_list).abs().stack().idxmax()
    r_list.append(r)
    cols.append(df.loc[r,c].values)

np.array(cols)

Вывод:

array([[-41,   7, -31,  -6],
       [ 11,  53,  23, -25],
       [ 20,  -9, -26,   3],
       [  2,  40,  -6,  61]], dtype=int64)

и определитель:

np.linalg.det(cols)
# 7265430.000000008