将“while”循环中的数据存储在数组中

Question

我写了一个代码，我想用它来减少测量数据。为此，我遍历了 30 组测量数据。在每次迭代中，我使用fsolve求解一组三个非线性方程。这给了我一个包含三个值的数组，然后进一步处理这些值（在下面的示例中lbda，alp, bta, dlt, q, N）。我可以打印结果，但需要在 30 x 6 数组中收集所有 30 个周期的数据，以进行一些统计（即 6 个变量中的每一个的 np.mean）。

在每次迭代结束时，我已经尝试了对我来说最明显的函数np.append, np.vstack，np.concatenates但这只会给我一个 1 x 6 数组，其中仅包含最后一个迭代步骤，而不是包含所有 30 次迭代的所需数组脚步。

# loading data above 

m1 = data_arr_blkcorr [:,4] / data_arr_blkcorr [:,2]

m2 = data_arr_blkcorr [:,5] / data_arr_blkcorr [:,2] 

m3 = data_arr_blkcorr [:,7] / data_arr_blkcorr [:,2]

N=-1

while (N<29):

    N = N+1 

    T1 = 79.744440299369400 

    T2 = 4.756431967877120 

    T3 = 195.146815878103000 

    T4 = 1.333609171398 

    T5 = 0.540566631391 

    T6 = 1 

    T7 = 1.731261585620 

    T_all = np.array([T4, T5, T6, T7, T1, T2, T3])

    n1 = 0.598169735 

    n2 = 1.509919737 

    n3 = 0.600477235 

    n4 = 0.9364071191658 

    n5 = 0.5815716133216 

    n6 = 1 

    n7 = 1.0455228260642 

    n_all = np.array([n4, n5, n6, n7, n1, n2, n3])

    I1 = 94.905838

    I2 = 96.906018

    I3 = 97.905405

    I4 = 99.907473

    I5 = 91.90681

    I6 = 93.90509

    I7 = 95.90468

# some definition of variables here

    A11 = T1-n1

    A12 = T2-n2

    A13 = T3-n3

    A21 = -n1*P1

    A22 = -n2*P2

    A23 = -n3*P3

    A31 = m1[N] * P1

    A32 = m2[N] * P2

    A33 = m3[N] * P3

    b11 = m1[N] - n1

    b12 = m2[N] - n2

    b13 = m3[N] - n3

# some definition of variables here

    T = np.array ([T1, T2, T3])

    n = np. array([n1, n2, n3])

    m = np.array([m1[N], m2[N], m3[N]])

    P = np.array([P1, P2, P3])

    def F(x):

        return x[0]*T + (1-x[0])*n*np.exp(-x[1]/(1-x[0])*P) - m*np.exp(-x[2]*P) 

    y = fsolve(F, guess)

    lbda = y[0]

    alp = y[1]/(1-y[0])

    bta = y[2]

    dlt = (np.exp(-alp*P2)-1)*1000

    N_all = n_all * np.exp(-alp*P_all)

    q = (1 + (1 - lbda) / lbda * np.sum(N_all) / np.sum(T_all))**(-1)

    print (lbda, alp, bta, dlt, q, N) 

浏览帖子我也使用过这个（根据 Koke Cacao 提供的建议）：

data_sum = None

new_data = [lbda, alp, bta, dlt, q, N]

data_sum = np.append([data_sum], new_data) if data_sum is not None else new_data

print(data_sum)

Answer 1

尝试在您的 while 循环之外创建一个空列表，然后附加该数组。solution = []while n < 29:&nbsp; &nbsp; #your code here&nbsp; &nbsp; solution.append([lbda, alp, bta, dlt, q, N])

Answer 2

您应该在 while 循环范围之外声明一个空列表，然后在每次迭代时附加到它：result = []while(N<29):&nbsp; &nbsp;# calculate something&nbsp; &nbsp;result.append(your_data)print(result)&nbsp; &nbsp;# that will give you all the data that you got from each Iteration