Dato un array NumPy A , qual è il modo più veloce / più efficiente per applicare la stessa funzione, f , a ogni cella? Supponiamo che assegneremo ad A (i, j) la f (A (i, j)) . La funzione, f , non ha un output binario, quindi le operazioni …
Supponiamo di avere un grande array numpy in memoria, ho una funzione funcche accetta questo array gigante come input (insieme ad alcuni altri parametri). funccon diversi parametri possono essere eseguiti in parallelo. Per esempio: def func(arr, param): # do stuff to arr, param # build array arr pool = Pool(processes …
Sto cercando un modo veloce per preservare grandi array numpy. Voglio salvarli sul disco in un formato binario, quindi leggerli di nuovo in memoria in modo relativamente veloce. cPickle non è abbastanza veloce, sfortunatamente. Ho trovato numpy.savez e numpy.load . Ma la cosa strana è che numpy.load carica un file …
Supponiamo di avere il seguente elenco in Python: a = [1,2,3,1,2,1,1,1,3,2,2,1] Come trovare il numero più frequente in questo elenco in modo ordinato?
Perché numpy dà questo risultato: x = numpy.array([1.48,1.41,0.0,0.1]) print x.argsort() >[2 3 1 0] quando mi aspetto che lo faccia: [3 2 0 1] Chiaramente la mia comprensione della funzione è carente.
In RI puoi creare l'output desiderato facendo: data = c(rep(1.5, 7), rep(2.5, 2), rep(3.5, 8), rep(4.5, 3), rep(5.5, 1), rep(6.5, 8)) plot(density(data, bw=0.5)) In Python (con matplotlib) il più vicino che ho ottenuto è stato con un semplice istogramma: import matplotlib.pyplot as plt data = [1.5]*7 + [2.5]*2 + [3.5]*8 …
Ho un array numpy contenente: [1, 2, 3] Voglio creare un array contenente: [1, 2, 3, 1] Cioè, voglio aggiungere il primo elemento alla fine dell'array. Ho provato l'ovvio: np.concatenate((a, a[0])) Ma ottengo un errore che dice ValueError: arrays must have same number of dimensions Non lo capisco: gli array …
Sono sorpreso che questa domanda specifica non sia stata posta prima, ma davvero non l'ho trovata su SO né sulla documentazione di np.sort. Supponiamo di avere un array numpy casuale che contiene numeri interi, ad esempio: > temp = np.random.randint(1,10, 10) > temp array([2, 4, 7, 4, 2, 2, 7, …
Mi ritrovo a digitare import numpy as npquasi ogni volta che accendo l'interprete Python. Come imposto l'interprete python o ipython in modo che numpy venga importato automaticamente?
Sto cercando il modo più veloce per verificare la presenza di NaN ( np.nan) in un array NumPy X. np.isnan(X)è fuori questione, poiché crea un array booleano di forma X.shape, che è potenzialmente gigantesco. Ho provato np.nan in X, ma sembra non funzionare perché np.nan != np.nan. Esiste un modo …
Durante la lettura su numpy, ho riscontrato la funzione numpy.histogram(). A cosa serve e come funziona? Nei documenti menzionano i bidoni : cosa sono? Alcuni googling mi hanno portato alla definizione degli istogrammi in generale . Lo capisco. Ma sfortunatamente non posso collegare questa conoscenza agli esempi forniti nei documenti.
Supponiamo di avere un array numpy: data = np.array([[1,1,1],[2,2,2],[3,3,3]]) e ho un "vettore" corrispondente: vector = np.array([1,2,3]) Come opero su dataogni riga per sottrarre o dividere in modo che il risultato sia: sub_result = [[0,0,0], [0,0,0], [0,0,0]] div_result = [[1,1,1], [1,1,1], [1,1,1]] Per farla breve: come si esegue un'operazione su …
Di recente sono passato a Python 3.5 e ho notato che il nuovo operatore di moltiplicazione di matrici (@) a volte si comporta in modo diverso dall'operatore di punto numpy . Ad esempio, per array 3d: import numpy as np a = np.random.rand(8,13,13) b = np.random.rand(8,13,13) c = a @ …
Ho un array NumPy bidimensionale. So come ottenere i valori massimi sugli assi: >>> a = array([[1,2,3],[4,3,1]]) >>> amax(a,axis=0) array([4, 3, 3]) Come posso ottenere gli indici degli elementi massimi? Quindi vorrei come outputarray([1,1,0])
Voglio convertire un array unidimensionale in un array bidimensionale specificando il numero di colonne nell'array 2D. Qualcosa che funzionerebbe in questo modo: > import numpy as np > A = np.array([1,2,3,4,5,6]) > B = vec2matrix(A,ncol=2) > B array([[1, 2], [3, 4], [5, 6]]) Numpy ha una funzione che funziona come …
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.