Wie konvertiere ich ein numpy.datetime64Objekt in ein datetime.datetime(oder Timestamp)? Im folgenden Code erstelle ich ein datetime-, timestamp- und datetime64-Objekt. import datetime import numpy as np import pandas as pd dt = datetime.datetime(2012, 5, 1) # A strange way to extract a Timestamp object, there's surely a better way? ts = …
Wie kann ich überprüfen, welche Version von NumPy ich verwende? (Zu Ihrer Information, diese Frage wurde bearbeitet, da sowohl die Frage als auch die Antwort nicht plattformspezifisch sind.)
Was macht np.random.seedder folgende Code aus einem Scikit-Learn-Tutorial? Ich bin nicht sehr vertraut mit NumPys Zeug zum Zufallszustandsgenerator, daher würde ich die Erklärung eines Laien für diese Begriffe wirklich begrüßen. np.random.seed(0) indices = np.random.permutation(len(iris_X))
Ich habe ein Numpy-Array, das aus einer Liste von Listen besteht und ein zweidimensionales Array mit Zeilenbeschriftungen und Spaltennamen darstellt, wie unten gezeigt: data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]]) Ich möchte, dass der resultierende DataFrame Row1 und Row2 als Indexwerte und Col1, Col2 als Headerwerte enthält Ich kann den Index wie folgt angeben: …
Ob Sie es glauben oder nicht, nachdem Sie meinen aktuellen Code profiliert haben, hat die wiederholte Operation der Numpy-Array-Umkehrung einen riesigen Teil der Laufzeit verschlungen. Was ich gerade habe, ist die übliche ansichtsbasierte Methode: reversed_arr = arr[::-1] Gibt es eine andere Möglichkeit, es effizienter zu machen, oder ist es nur …
Hier ist mein Code zum Generieren eines Datenrahmens: import pandas as pd import numpy as np dff = pd.DataFrame(np.random.randn(1,2),columns=list('AB')) dann habe ich den Datenrahmen bekommen: +------------+---------+--------+ | | A | B | +------------+---------+--------- | 0 | 0.626386| 1.52325| +------------+---------+--------+ Wenn ich den Befehl eingebe: dff.mean(axis=1) Ich habe : 0 1.074821 …
Ich habe zwei einfache eindimensionale Arrays in NumPy . Ich sollte in der Lage sein, sie mit numpy.concatenate zu verketten . Aber ich bekomme diesen Fehler für den folgenden Code: TypeError: Nur Arrays der Länge 1 können in Python-Skalare konvertiert werden Code import numpy a = numpy.array([1, 2, 3]) b …
Ich lade einige maschinelle Lerndaten aus einer CSV-Datei. Die ersten beiden Spalten sind Beobachtungen und die verbleibenden Spalten sind Merkmale. Derzeit mache ich Folgendes: data = pandas.read_csv('mydata.csv') das gibt so etwas wie: data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde')) Ich mag diesen Datenrahmen in zwei Datenrahmen schneiden: eine mit den Spalten …
Ich habe eine Matrix vom Typ eines Numpy-Arrays. Wie würde ich es als Image auf die Festplatte schreiben? Jedes Format funktioniert (PNG, JPEG, BMP ...). Eine wichtige Einschränkung ist, dass PIL nicht vorhanden ist.
Okay, ich spiele damit herum, ein PIL-Bildobjekt hin und her in ein numpy-Array zu konvertieren, damit ich einige Pixel-für-Pixel-Transformationen schneller durchführen kann, als es das PIL- PixelAccessObjekt zulässt. Ich habe herausgefunden, wie man die Pixelinformationen in einem nützlichen 3D-Numpy-Array platziert: pic = Image.open("foo.jpg") pix = numpy.array(pic.getdata()).reshape(pic.size[0], pic.size[1], 3) Aber ich …
SciPy scheint die meisten (aber nicht alle [1]) Funktionen von NumPy in einem eigenen Namespace bereitzustellen. Mit anderen Worten, wenn es eine Funktion mit dem Namen numpy.foogibt, gibt es mit ziemlicher Sicherheit eine scipy.foo. Meistens scheinen die beiden genau gleich zu sein und zeigen oft sogar auf dasselbe Funktionsobjekt. Manchmal …
Was ist der einfachste Weg, um zwei NumPy-Arrays auf Gleichheit zu vergleichen (wobei Gleichheit definiert ist als: A = B iff für alle Indizes i :) A[i] == B[i]? Durch einfaches Verwenden ==erhalte ich ein boolesches Array: >>> numpy.array([1,1,1]) == numpy.array([1,1,1]) array([ True, True, True], dtype=bool) Muss ich anddie Elemente …
Nach dem Erstellen eines NumPy-Arrays und dem Speichern als Django-Kontextvariable wird beim Laden der Webseite die folgende Fehlermeldung angezeigt: array([ 0, 239, 479, 717, 952, 1192, 1432, 1667], dtype=int64) is not JSON serializable Was bedeutet das?
Aus der Deep-Learning-Klasse der Udacity ist der Softmax von y_i einfach das Exponential geteilt durch die Summe der Exponentiale des gesamten Y-Vektors: Wo S(y_i)ist die Softmax-Funktion von y_iund eist die Exponentialfunktion und jist die Nr. von Spalten im Eingabevektor Y. Ich habe folgendes versucht: import numpy as np def softmax(x): …
Gibt es in numpy/ scipyeine effiziente Möglichkeit, Frequenzzählungen für eindeutige Werte in einem Array abzurufen? Etwas in diese Richtung: x = array( [1,1,1,2,2,2,5,25,1,1] ) y = freq_count( x ) print y >> [[1, 5], [2,3], [5,1], [25,1]] (Für Sie, R-Benutzer da draußen, suche ich im Grunde nach der table()Funktion)
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.