Присвоение значений столбцов сгруппированной таблице астропии в цикле

Question

У меня есть сгруппированная таблица астропии, и я хотел бы перебрать группы и выполнить усеченное среднее значение для каждой группы отдельно.

MWE ниже иллюстрирует то, что я пытаюсь сделать. Когда код выполняется, он не выдает ошибку, а значения для столбца "c" просто остаются равными 0.0. Мне кажется, что я, возможно, в корне неправильно понимаю, как работает табличная среда, но не уверен, что именно.

import numpy as np
from astropy.table import Table
from astropy.stats import sigma_clip

a = np.array([5.7, 5.9, 5.1, 5.3, 5.7, 5.4, 6.0, 8.6, 6.4, 5.2])
b = np.array([0, 0, 0, 0, 1, 1, 1, 1, 1, 1])
c = np.zeros(len(a))

tab = Table( (a,b,c), names=('a','b','c'), masked=True )

tabGrp = tab.group_by('b')

for x in tabGrp.groups:
    clipped = sigma_clip( x['a'], sigma=2)
    x['c'] = clipped

Answer 1

Когда вы группируете свой tab стол, новый groups свойство добавлено.

Вы можете подать заявку sigma_clip() на каждой tabGrp группа, хранить только значения в списке, создать новый MaskedColumn с этими сохраненными значениями (правильно маскируя значения), и заменить старые c колонка с новым обрезанным.

Это не очень элегантно, но, кажется, делает то, что вам нужно.

import numpy as np
from astropy.table import Table
from astropy.stats import sigma_clip
from astropy.table import MaskedColumn

a = np.array([5.7, 4.2, 5.1, 5.3, 5.7, 5.4, 6.0, 8.6, 6.4, 5.2])
b = np.array([0, 0, 0, 0, 1, 1, 1, 1, 1, 1])
c = np.zeros(len(a))

tab = Table((a, b, c), names=('a', 'b', 'c'), masked=True)

tabGrp = tab.group_by('b')
clipped = sigma_clip(tabGrp['a'], sigma=2)

col = []
for x in tabGrp.groups:
    clipped = sigma_clip(x['a'], sigma=2)
    # Save values only.
    col += clipped.tolist()

# Create new masked column.
c_clipped = MaskedColumn(col, mask=[True if _ is None else False for _ in col])
# Replace old c column
tab['c'] = c_clipped

Что приводит к:

 a   b   c 
--- --- ---
5.7   0 5.7
4.2   0 4.2
5.1   0 5.1
5.3   0 5.3
5.7   1 5.7
5.4   1 5.4
6.0   1 6.0
8.6   1  --
6.4   1 6.4
5.2   1 5.2

Это то, что вы были после?