我也发现了一些奇怪的Deedle mapRows功能我无法解释:
let col1 = Series.ofObservations[1=>10.0;2=>System.Double.NaN;3=>System.Double.NaN;4=>10.0;5=>System.Double.NaN;6=>10.0; ]
let col2 = Series.ofObservations[1=>9.0;2=>5.5;3=>System.Double.NaN;4=>9.0;5=>System.Double.NaN;6=>9.0; ]
let f1 = Frame.ofColumns [ "c1" => col1; "c2" => col2 ]
let f2 = f1 |> Frame.mapRows (fun k r -> r) |> Frame.ofRows
let f3 = f1 |> Frame.mapRows (fun k r -> let x = r.Get("c1");
let y = r.Get("c2");
r) |> Frame.ofRows
val f1 : Frame<int,string> =
c1 c2
1 -> 10 9
2 -> <missing> 5.5
3 -> <missing> <missing>
4 -> 10 9
5 -> <missing> <missing>
6 -> 10 9
val f2 : Frame<int,string> =
c1 c2
1 -> 10 9
2 -> <missing> 5.5
3 -> <missing> <missing>
4 -> 10 9
5 -> <missing> <missing>
6 -> 10 9
val f3 : Frame<int,string> =
c1 c2
1 -> 10 9
2 -> <missing> <missing>
3 -> <missing> <missing>
4 -> 10 9
5 -> <missing> <missing>
6 -> 10 9
如何F3具有比F2不同的价值? 我所做的与F3是从obejectseries获得价值。
我想利用这个功能mapRows做基于行的过程和产生objectseries然后mapRows可以创建与同一行密钥的新框架。 该过程必须基于行的列值需要根据自身的价值和邻近值进行更新。
计算不能直接使用列到列作为基于行值的计算的改变来完成。
欣赏任何建议
更新
由于原来的问题被张贴,因为我已经用过Deedle在C#。 令我吃惊的是基于行的计算是在C#的方式和C#Frame.rows功能处理缺失值很容易被比F#mapRows功能非常不同。 以下是我曾经尝试一个非常基本的例子,真正的逻辑。 它可能是任何人谁是寻找类似的应用程序非常有用:
事情要注意的:1,行功能没有删除该行同时两列价值缺失2.平均值功能是足够聪明的计算是指基于可用的数据点。
using System.Text;
using System.Threading.Tasks;
using Deedle;
namespace TestDeedleRowProcessWithMissingValues
{
class Program
{
static void Main(string[] args)
{
var s1 = new SeriesBuilder<DateTime, double>(){
{DateTime.Today.Date.AddDays(-5),10.0},
{DateTime.Today.Date.AddDays(-4),9.0},
{DateTime.Today.Date.AddDays(-3),8.0},
{DateTime.Today.Date.AddDays(-2),double.NaN},
{DateTime.Today.Date.AddDays(-1),6.0},
{DateTime.Today.Date.AddDays(-0),5.0}
}.Series;
var s2 = new SeriesBuilder<DateTime, double>(){
{DateTime.Today.Date.AddDays(-5),10.0},
{DateTime.Today.Date.AddDays(-4),double.NaN},
{DateTime.Today.Date.AddDays(-3),8.0},
{DateTime.Today.Date.AddDays(-2),double.NaN},
{DateTime.Today.Date.AddDays(-1),6.0}
}.Series;
var f = Frame.FromColumns(new KeyValuePair<string, Series<DateTime, double>>[] {
KeyValue.Create("s1",s1),
KeyValue.Create("s2",s2)
});
s1.Print();
f.Print();
f.Rows.Select(kvp => kvp.Value).Print();
// 29/05/2015 12:00:00 AM -> series [ s1 => 10; s2 => 10]
// 30/05/2015 12:00:00 AM -> series [ s1 => 9; s2 => <missing>]
// 31/05/2015 12:00:00 AM -> series [ s1 => 8; s2 => 8]
// 1/06/2015 12:00:00 AM -> series [ s1 => <missing>; s2 => <missing>]
// 2/06/2015 12:00:00 AM -> series [ s1 => 6; s2 => 6]
// 3/06/2015 12:00:00 AM -> series [ s1 => 5; s2 => <missing>]
f.Rows.Select(kvp => kvp.Value.As<double>().Mean()).Print();
// 29/05/2015 12:00:00 AM -> 10
// 30/05/2015 12:00:00 AM -> 9
// 31/05/2015 12:00:00 AM -> 8
// 1/06/2015 12:00:00 AM -> <missing>
// 2/06/2015 12:00:00 AM -> 6
// 3/06/2015 12:00:00 AM -> 5
//Console.ReadLine();
}
}
}