Ich habe zwei numpy Arrays unterschiedlicher Form, aber mit der gleichen Länge (führende Dimension). Ich möchte jeden von ihnen so mischen, dass die entsprechenden Elemente weiterhin übereinstimmen - dh sie in Bezug auf ihre Leitindizes im Einklang mischen. Dieser Code funktioniert und veranschaulicht meine Ziele: def shuffle_in_unison(a, b): assert len(a) …
Wie konvertiere ich einen numpy dtype automatisch in den nächsten Python-Datentyp? Beispielsweise, numpy.float32 -> "python float" numpy.float64 -> "python float" numpy.uint32 -> "python int" numpy.int16 -> "python int" Ich könnte versuchen, eine Zuordnung all dieser Fälle zu erstellen, aber bietet numpy eine automatische Möglichkeit, seine d-Typen in die nächstmöglichen nativen …
Ich muss ein NumPy-Array mit einer Länge erstellen n, von denen jedes Element ist v. Gibt es etwas Besseres als: a = empty(n) for i in range(n): a[i] = v Ich weiß zerosund oneswürde für v = 0, 1 arbeiten. Ich könnte verwenden v * ones(n), aber es wird nicht …
Ich habe ein Array so erstellt: import numpy as np data = np.zeros( (512,512,3), dtype=np.uint8) data[256,256] = [255,0,0] Ich möchte, dass dies einen einzelnen roten Punkt in der Mitte eines 512x512-Bildes anzeigt. (Zumindest zu Beginn ... Ich denke, ich kann den Rest von dort herausfinden)
Angenommen, ich habe ein 1d-Numpy-Array a = array([1,0,3]) Ich möchte dies als 2d 1-Hot-Array codieren b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]]) Gibt es einen schnellen Weg, dies zu tun? Schneller als nur eine Schleife a, um Elemente von festzulegen b.
Ich möchte herausfinden, wie man Nanowerte aus meinem Array entfernt. Mein Array sieht ungefähr so aus: x = [1400, 1500, 1600, nan, nan, nan ,1700] #Not in this exact configuration Wie kann ich die nanWerte entfernen x?
Ich habe gerade einen logischen Fehler in meinem Code entdeckt, der alle möglichen Probleme verursachte. Ich habe versehentlich ein bitweises UND anstelle eines logischen UND gemacht . Ich habe den Code geändert von: r = mlab.csv2rec(datafile, delimiter=',', names=COL_HEADERS) mask = ((r["dt"] >= startdate) & (r["dt"] <= enddate)) selected = r[mask] …
Ich nehme an einigen Universitätsklassen teil und habe ein 'Lehrkonto' erhalten, ein Schulkonto, auf das ich zugreifen kann, um meine Arbeit zu erledigen. Ich möchte meinen rechenintensiven Numpy-, Matplotlib- und Scipy-Code auf diesem Computer ausführen, kann diese Module jedoch nicht installieren, da ich kein Systemadministrator bin. Wie kann ich die …
Was ist der schnellste / einfachste Weg, um Nano- und Inf / Inf-Werte aus einem Pandas-DataFrame zu löschen, ohne sie zurückzusetzen mode.use_inf_as_null? Ich möchte in der Lage sein, die Argumente subsetund howvon zu verwenden dropna, außer bei infWerten, die als fehlend gelten, wie: df.dropna(subset=["col1", "col2"], how="all", with_inf=True) Ist das möglich? …
Gibt es eine bequeme Möglichkeit, Perzentile für eine Sequenz oder ein eindimensionales Numpy-Array zu berechnen? Ich suche etwas Ähnliches wie die Perzentilfunktion von Excel. Ich habe in NumPys Statistikreferenz nachgesehen und konnte dies nicht finden. Ich konnte nur den Median (50. Perzentil) finden, aber nichts Spezifischeres.
Wie kann ich bestimmte Elemente aus einem Numpy-Array entfernen? Sag ich habe import numpy as np a = np.array([1,2,3,4,5,6,7,8,9]) Ich möchte dann entfernen 3,4,7aus a. Ich weiß nur den Index der Werte ( index=[2,3,6]).
Ich möchte die Norm eines NumPy-Arrays haben. Insbesondere suche ich nach einer äquivalenten Version dieser Funktion def normalize(v): norm = np.linalg.norm(v) if norm == 0: return v return v / norm Gibt es so etwas in skearnoder numpy? Diese Funktion funktioniert in einer Situation, in vder der Vektor 0 ist.
Ich habe eine, pandas dataframein der eine Spalte von Textzeichenfolgen durch Kommas getrennte Werte enthält. Ich möchte jedes CSV-Feld aufteilen und eine neue Zeile pro Eintrag erstellen (vorausgesetzt, die CSV ist sauber und muss nur auf ',' aufgeteilt werden). Zum Beispiel asollte werden b: In [7]: a Out[7]: var1 var2 …
Nehmen wir an, wir haben einen Datensatz, der ungefähr von gegeben sein könnte import numpy as np x = np.linspace(0,2*np.pi,100) y = np.sin(x) + np.random.random(100) * 0.2 Daher haben wir eine Variation von 20% des Datensatzes. Meine erste Idee war, die UnivariateSpline-Funktion von scipy zu verwenden, aber das Problem ist, …
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.