Hallo zusammen, ich möchte in einer Datenreihe erkennen, wann sich der Wert statistisch signifikant von dem Mittelwert (z.B. 400) entfernt hat. Kann mir hier jemand weiterhelfen wie ich dies am besten tue? dataset = [400, 401, 402, 399, 395, 400, ..., 405, 460, 465, 464, 470] Vielen lieben Dank!

Die bewusst Manipulierung der Messdaten (z.B. durch hohe Temperatur) sollen nicht verworfen werden. Der statistisch signifikante Drift, der z.B. durch hohe Umgebungstemperatur verursacht wird) soll in den Daten zuverlässig detektiert werden.

Hallo zusammen, ich möchte eine statistische Auswertung bezüglich der Korrelation meiner Messergebnisse machen. Die Daten sind wie folgt aufgebaut: Referenzdatensatz : ______ Spalte1: _ Spalte2: _ Spalte3: _ ... ______ Spalte j : Zeile 1: ____ 5 ______ 10 _______ 40 _______ ... _______ 20 Der Refern...

Hallo zusammen, ich habe folgenden Sachverhalt: Einen Referenz-Datenframe über z.B. 5 Spalten und 5 Zeilen Einen Vergleichs-Datenframe mit denselben Dimensionen, jedoch hier z.B. die komplette erste Zeile sowie die dritte Spalte maskiert. Wenn Daten maskiert im Datenframe auftreten, dann immer kompl...

oh.. ich habe leider nur die eine Zeile Code gesehen. Ahh cool Jedoch muss ich leider die Dimension beibehalten, da dies Messdaten (jede Spalte entspricht einer bestimmten Parametereinstellung) und diese will ich mit den Referenzwerten in derselben Dimension vergleichen

Ja hatte ich vorhin schon mal eingegeben nachdem Du mir die Zeile Code gegeben hast, hier sagt mir JupyterNotebook nur, dass 'mask' nicht definiert ist.

Ich hatte vorhin schon versucht danach zu schauen, bin jedoch nicht fündig geworden.

zu mask.index finde ich leider keine Information

https://pandas.pydata.org/pandas-docs/ ... mask.html

Du meinst diesen Code hier:
Hier müsste ich doch die Maske auch wieder mit einer Schleife füttern oder nicht? Stehe hier etwas auf dem Schlauch..

Welche Codezeilen meinst Du?

Grundsätzlich passt das Ergebnis. Nur eben die Frage ob ich meinen Code von der Funktionalität noch besser zusammenschieben kann um auch hinsichtlich Performance besser zu werden.

soweit bin ich. Der Code tut auch was er soll. Ich Frage mich nur ob ich es nicht 1 oder 2 Befehle von Pandas gibt, mit deren Hilfe ich die Operation über die Spalten durchführe und anschließend das Ergebnis als Condition verwende für die Maskierung. Hier bin ich bisher leider nicht fündig geworden....

Kann ich denn ohne die Schleife jede Spalte für sich auf die Condition prüfen und wenn Condition erfüllt ist maskieren?

Ja habe ich durchgeschaut. Hier habe ich eine Idee für das Maskieren bekommen: m = np.zeros_like(imp_comp) m[:,idx] = 1 imp_comp_msk = np.ma.masked_array(imp_comp, m) Wie ich aber Mittelwerte und Standardabweichung und das Ergebnis als Condition für die Maskierung schön in ein paar Zeilen Code packe...

Es fehlt mir gerade zudem noch die Idee wie ich eine komplette Spalte auf einmal maskiere ohne extra über die einzelnen Zeilen und Spalten zu iterieren und jedes einzelne Spaltenelement zu maskieren.

Hallo zusammen, ich habe einen Dataframe aus Messdaten gebildet, den ich für eine Auswertung heranziehen möchte. Da ich jedoch rauschende Signale herausfiltern möchte würde ich gerne jede Spalte prüfen ob die prozentuale Standardabweichung größer gleich 5% vom Mittelwert (auch über die Spalte gebild...

Entschuldigung ich habe mich wahrscheinlich etwas ungünstig ausgedrückt. Was ich genau meine ist: 1) Die Werte in einer Spalte folgen der Normalverteilung, das ist gut so und auch gewollt. Da sie ja immer den gleichen Sachverhalt darstellen, sollten sie eigentlich gleich sein, aber da wir in keiner ...

Ah ok alles klar. Wie kann ich denn eine Normalverteilung der Zahlen über die Spalten sowie über die Zeilen erreichen? Also, dass die Zeilen zueinander auch normalverteilt sind?

Ok jetzt habe ich doch nochmal eine Frage zu Deinem Code Sirius: data = np.random.normal(normal_centers, 1, size=(measles_rings, len(normal_centers))) Vgl zu: temp = list(np.random.normal(rndm_vals[i],1,meas_nr)) Gibt es einen Unterschied zwischen Deinen normalverteilten Daten und meiner Variante? I...

Vielen Dank für deinen Input!

Tatsächlich hatte ich meas_r nachträglich nochmal verändert, weshalb es zu dem Fehler im Code kommt.

Den Index in Spalte 1 hatte ich absichtlich hinzugefügt, da Pandas bei 0 beginnt zu zählen und ich meine Zeile ab 1 beginnend labeln wollte.

Hallo zusammen, ich habe jetzt folgendes gemacht: #csv einlesen ... #extract header header = list(data_frame) #Anzahl der Zeilen meas_r = 20 rndm_vals = list(np.random.randint(5,500, size = len(header)) i = 0 d = {} for element in header: temp = [] if i == 0: # erste Spalte gibt jeweilige Nummer zu ...

Hallo zusammen, ich bin noch relativ neu mit Python. Deshalb bitte ich um Verzeihung wenn ich etwas ungeschickt formulieren sollte (freue mich über Verbesserungsvorschläge). 1) Ich möchte die Header aus einer .csv Datei mit Pandas einlesen 2) Der Umfang des Datenframes (Anzahl Zeilen) soll durch ein...