index 1 ist out of bounds für die Achse 0, mit der Größe 1

Ich weiß nicht, warum ich eine Fehlermeldung von index. Ich bin ganz neu bei python und bin deshalb nicht in der Lage, herauszufinden, was zu tun ist. Ich glaube, ich bin initialzing einige falsche Dimensionen, aber ich bin nicht in der Lage, es zu brechen.

import numpy as np
import matplotlib as plt

x = np.array([45, 68, 41, 87, 61, 44, 67, 30, 54, 8, 39, 60, 37, 50, 19, 86, 42, 29, 32, 61, 25, 77, 62, 98, 47, 36, 15, 40, 9, 25, 34, 50, 61, 75, 51, 96, 20, 13, 18, 35, 43, 88, 25, 95, 68, 81, 29, 41, 45, 87,45, 68, 41, 87, 61, 44, 67, 30, 54, 8, 39, 60, 37, 50, 19, 86, 42, 29, 32, 61, 25, 77, 62, 98, 47, 36, 15, 40, 9, 25, 34, 50, 61, 75, 51, 96, 20, 13, 18, 35, 43, 88, 25, 95, 68, 81, 29, 41, 45, 87])
len_x = len(x)
mean = np.mean(x)

xup = np.zeros(shape=(1,120))
for i in range(len_x) :
    xup[i] = (x[i] - mean) ** 2

xup_sum = np.sum(xup)
var = xup_sum / len_x
std_dev = var ** 0.5

z = np.zeros(shape = (1,120))
for i in range(len_x) :
    z[i] = (x[i] - mean)/std_dev

print("Mean :", mean)
print("Standard_dev :",std_dev)
print("Variance : ",var)

Warum hast du xup einem zwei-dimensionalen array mit Form (1, 120)? Versuchen Sie, es ein-dimensional: xup = np.zeros(shape=120)

InformationsquelleAutor SIDDHESH THAKUR | 2017-02-28

0

Sollten Sie wirklich uns sagen, wo der Fehler aufgetreten ist. Aber ich kann raten:
```
xup = np.zeros(shape=(1,120))
for i in range(len_x) :
    xup[i,:] = (x[i] - mean) ** 2  #<=====
```
(Ähnlich z Schleife folgt)

Ich fügte hinzu, eine implizite ,:. Ihre xup[i] ist die Indizierung der ersten dimension. Aber das ist nur Größe 1. Wie geschaffen, es ist der 2. dimension, die groß ist. xup[0,i] ist die richtige Indexierung.

Warum ist xup 2d mit der (1,120) Form? Warum nicht die gleiche Form wie x (was ich davon ausgehen ist (120,))? xup = np.zeros(len_x).

Besser noch mit einem richtigen numpy array-Berechnung:
```
xup = (x-mean)**2 
```
Jedoch diese xup hat die Form (100,), die gleichen wie x.

Sind Sie bereits mit np.mean(x) die arbeitet auf der ganzen x. Operatoren wie - und ** auch tun.

(Früher würd ich schlug die Verwendung np.zeros_like(x), aber dann erkannte, dass Sie es schaffen würde, ein integer-array wie x. Zuweisen von float-Werten aus der Berechnung, dass würde Probleme geben. Wenn du eine zuweisen und füllen Schleife, die Sie brauchen, um Aufmerksamkeit, um sowohl die Form und dtype von Ziel-array.)

InformationsquelleAutor hpaulj

xup ist 2-dimensional. Also anstatt xup[i] müssten Sie xup[0][i]

Nur fix diese 2 Orte:

xup = np.zeros(shape=(1,120))
for i in range(len_x) :
    xup[0, i] = (x[i] - mean) ** 2

Und dann wieder hier:

z = np.zeros(shape = (1,120))
for i in range(len_x) :
    z[0, i] = (x[i] - mean)/std_dev

Wäre dies die Datei, die du oben gepostet mit den 2 änderungen:

import numpy as np
import matplotlib as plt

x = np.array([45, 68, 41, 87, 61, 44, 67, 30, 54, 8, 39, 60, 37, 50, 19, 86, 42, 29, 32, 61, 25, 77, 62, 98, 47, 36, 15, 40, 9, 25, 34, 50, 61, 75, 51, 96, 20, 13, 18, 35, 43, 88, 25, 95, 68, 81, 29, 41, 45, 87,45, 68, 41, 87, 61, 44, 67, 30, 54, 8, 39, 60, 37, 50, 19, 86, 42, 29, 32, 61, 25, 77, 62, 98, 47, 36, 15, 40, 9, 25, 34, 50, 61, 75, 51, 96, 20, 13, 18, 35, 43, 88, 25, 95, 68, 81, 29, 41, 45, 87])
len_x = len(x)
mean = np.mean(x)

xup = np.zeros(shape=(1,120))
for i in range(len_x) :
    xup[0, i] = (x[i] - mean) ** 2

xup_sum = np.sum(xup)
var = xup_sum / len_x
std_dev = var ** 0.5

z = np.zeros(shape = (1,120))
for i in range(len_x) :
    z[0, i] = (x[i] - mean)/std_dev

print("Mean :", mean)
print("Standard_dev :",std_dev)
print("Variance : ",var)

xup ist ein zwei-dimensionales numpy-array, so dass anstelle von xup[0][i] sollte es xup[0, i].

InformationsquelleAutor OnethingSimple

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.