Ich habe ein sehr großes 2D-Array, das ungefähr so aussieht: a= [[a1, b1, c1], [a2, b2, c2], ..., [an, bn, cn]] Gibt es mit numpy eine einfache Möglichkeit, ein neues 2D-Array mit z. B. 2 zufälligen Zeilen aus dem ursprünglichen Array zu erhalten a(ohne Ersatz)? z.B b= [[a4, b4, c4], …
Ich versuche, die erforderlichen Bibliotheken in einem Paket zu erstellen, das ich verteile. Es erfordert sowohl die SciPy- als auch die NumPy- Bibliothek. Während der Entwicklung habe ich beide mit installiert apt-get install scipy das SciPy 0.9.0 und NumPy 1.5.1 installiert hat, und es hat gut funktioniert. Ich möchte dasselbe …
Dies ist in den versteckten Funktionen von Python aufgetaucht , aber ich kann keine gute Dokumentation oder Beispiele sehen, die erklären, wie die Funktion funktioniert.
Ich habe einen Datensatz und möchte vergleichen, welche Zeile ihn am besten beschreibt (Polynome unterschiedlicher Ordnung, exponentiell oder logarithmisch). Ich benutze Python und Numpy und für die Polynomanpassung gibt es eine Funktion polyfit(). Aber ich habe keine solchen Funktionen für die exponentielle und logarithmische Anpassung gefunden. Sind da irgendwelche? Oder …
Ich verwende Python, um einige große Dateien zu analysieren, und es treten Speicherprobleme auf. Daher habe ich sys.getsizeof () verwendet, um die Verwendung zu verfolgen, aber das Verhalten bei numpy Arrays ist bizarr. Hier ist ein Beispiel mit einer Karte von Albedos, die ich öffnen muss: >>> import numpy as …
Wie erhält man in Übereinstimmung mit "Es gibt nur einen offensichtlichen Weg, dies zu tun" die Größe eines Vektors (1D-Arrays) in Numpy? def mag(x): return math.sqrt(sum(i**2 for i in x)) Das Obige funktioniert, aber ich kann nicht glauben, dass ich selbst eine solche triviale und Kernfunktion spezifizieren muss.
Angenommen , ich eine numpy Array haben x = [5, 2, 3, 1, 4, 5], y = ['f', 'o', 'o', 'b', 'a', 'r']. Ich möchte die Elemente auswählen, die Elementen yentsprechen x, die größer als 1 und kleiner als 5 sind. Ich habe es versucht x = array([5, 2, 3, …
Mit Standard-Python-Arrays kann ich Folgendes tun: arr = [] arr.append([1,2,3]) arr.append([4,5,6]) # arr is now [[1,2,3],[4,5,6]] Allerdings kann ich nicht das Gleiche in Numpy tun. Beispielsweise: arr = np.array([]) arr = np.append(arr, np.array([1,2,3])) arr = np.append(arr, np.array([4,5,6])) # arr is now [1,2,3,4,5,6] Ich habe auch nachgesehen vstack, aber wenn ich …
Manchmal ist es nützlich, einen Zeilen- oder Spaltenvektor in eine Matrix zu "klonen". Mit Klonen meine ich das Konvertieren eines Zeilenvektors wie z [1,2,3] In eine Matrix [[1,2,3] [1,2,3] [1,2,3] ] oder ein Spaltenvektor wie [1 2 3 ] in [[1,1,1] [2,2,2] [3,3,3] ] In Matlab oder Oktave ist dies …
Geschlossen. Diese Frage entspricht nicht den Richtlinien für Stapelüberlauf . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage so dass es beim Thema für Stack - Überlauf. Geschlossen vor 4 Jahren . Verbessere diese Frage Ich habe eine Menge MATLAB-Code aus meiner MS-Arbeit, den …
Ich benutze Numpy. Ich habe eine Matrix mit 1 Spalte und N Zeilen und möchte ein Array mit N Elementen erhalten. Zum Beispiel, wenn ich habe M = matrix([[1], [2], [3], [4]]), möchte ich bekommen A = array([1,2,3,4]). Um es zu erreichen, benutze ich A = np.array(M.T)[0]. Kennt jemand einen …
Ich habe diesen Fehler beim Versuch, ein gespeichertes SVM-Modell zu laden. Ich habe versucht, sklearn, NumPy und SciPy zu deinstallieren und die neuesten Versionen erneut zusammen zu installieren (mithilfe von pip). Ich erhalte immer noch diesen Fehler. Warum? In [1]: import sklearn; print sklearn.__version__ 0.18.1 In [3]: import numpy; print …
Ich habe zwei Numpy-Arrays, die die x- und y-Achse eines Gitters definieren. Beispielsweise: x = numpy.array([1,2,3]) y = numpy.array([4,5]) Ich möchte das kartesische Produkt dieser Arrays generieren, um Folgendes zu generieren: array([[1,4],[2,4],[3,4],[1,5],[2,5],[3,5]]) In gewisser Weise ist das nicht besonders ineffizient, da ich dies viele Male in einer Schleife tun muss. …
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.