问题描述
我有一个由测量频率和预期频率之间的相对偏差误差组成的 Pandas 系列对象
freq_err_df = pd.concat([freq_err_df,(EIS_csv['SetFreq'].astype(float)- EIS_csv['ActFreq'].astype(float))/EIS_csv['SetFreq'].astype(float)],ignore_index = True)
freq_err_df = abs(freq_err_df)
freq_err_df.rename(columns = {0: 'RelativeError'},inplace = True)
我想用来计算总误差的一些度量。由于我们在谈论百分比,我认为最好通过将所有值相乘然后取第 n 个根来求乘积平均值:
freq_err_df = freq_err_df[freq_err_df['RelativeError'] != 0]
sq_err_df = freq_err_df**(1/len(freq_err_df))
error_n = freq_err_df.prod()
1) 结果是 ==0
,它绝对不应该是。由于大多数误差范围在 15% 到 1% 之间,因此我的期望值大约为 0.07。
2) 让我无休止地烦恼的是 .prod() 返回一个系列对象而不是一个浮点数。有一个更好的方法吗?我发现有一个 1 元素系列非常不雅,我必须用 error_n[0]
来引用它的值如果您能回答其中一个或两个问题,我们将不胜感激。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)