Diciamo che ho un array di NumPy, a: a = np.array([ [1, 2, 3], [2, 3, 4] ]) E vorrei aggiungere una colonna di zeri per ottenere un array b: b = np.array([ [1, 2, 3, 0], [2, 3, 4, 0] ]) Come posso farlo facilmente in NumPy?
Come faccio a convertire a numpy.datetime64 oggetto in datetime.datetime(oTimestamp )? Nel codice seguente, creo oggetti datetime, timestamp e datetime64. 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 = …
Come posso verificare quale versione di NumPy sto usando? (Cordiali saluti, questa domanda è stata modificata perché sia la domanda che la risposta non sono specifiche della piattaforma.)
Cosa fa np.random.seednel codice seguente di un tutorial di Scikit-Learn? Non ho molta familiarità con le cose del generatore di stato casuale di NumPy, quindi apprezzerei molto la spiegazione dei termini di un profano. np.random.seed(0) indices = np.random.permutation(len(iris_X))
Che ci crediate o no, dopo aver profilato il mio codice attuale, l'operazione ripetitiva di inversione numerica dell'array ha mangiato un grosso pezzo del tempo di esecuzione. Quello che ho in questo momento è il metodo basato sulla vista comune: reversed_arr = arr[::-1] C'è un altro modo per farlo in …
Ecco il mio codice per generare un frame di dati: import pandas as pd import numpy as np dff = pd.DataFrame(np.random.randn(1,2),columns=list('AB')) poi ho ottenuto il frame di dati: +------------+---------+--------+ | | A | B | +------------+---------+--------- | 0 | 0.626386| 1.52325| +------------+---------+--------+ Quando scrivo il comando: dff.mean(axis=1) Ho ottenuto : …
Ho due semplici matrici unidimensionali in NumPy . Dovrei essere in grado di concatenarli usando numpy.concatenate . Ma ottengo questo errore per il codice seguente: TypeError: solo le matrici di lunghezza 1 possono essere convertite in scalari Python Codice import numpy a = numpy.array([1, 2, 3]) b = numpy.array([5, 6]) …
Carico alcuni dati di apprendimento automatico da un file CSV. Le prime 2 colonne sono osservazioni e le restanti colonne sono caratteristiche. Attualmente, faccio quanto segue: data = pandas.read_csv('mydata.csv') che dà qualcosa del tipo: data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde')) Mi piacerebbe tagliare questo dataframe in due dataframes: uno contenente …
Ho una matrice nel tipo di un array Numpy. Come lo scriverei su disco come immagine? Qualsiasi formato funziona (png, jpeg, bmp ...). Un vincolo importante è che il PIL non è presente.
Bene, sto giocando con la conversione di un oggetto immagine PIL avanti e indietro in un array intorpidito in modo da poter effettuare trasformazioni pixel per pixel più veloci di quelle PixelAccessconsentite dall'oggetto PIL . Ho capito come posizionare le informazioni sui pixel in una matrice numpy 3D utile mediante: …
SciPy sembra fornire la maggior parte (ma non tutte [1]) delle funzioni di NumPy nel proprio spazio dei nomi. In altre parole, se c'è una funzione chiamata numpy.foo, c'è quasi sicuramente una scipy.foo. Il più delle volte, i due sembrano essere esattamente gli stessi, spesso anche puntando allo stesso oggetto …
Qual è il modo più semplice per confrontare due matrici NumPy per l'uguaglianza (dove l'uguaglianza è definita come: A = B iff per tutti gli indici i:) A[i] == B[i]? Semplicemente usando ==mi dà un array booleano: >>> numpy.array([1,1,1]) == numpy.array([1,1,1]) array([ True, True, True], dtype=bool) Devo andgli elementi di …
Dopo aver creato un array NumPy e averlo salvato come variabile di contesto Django, ricevo il seguente errore durante il caricamento della pagina Web: array([ 0, 239, 479, 717, 952, 1192, 1432, 1667], dtype=int64) is not JSON serializable Cosa significa questo?
Dalla classe di apprendimento profondo di Udacity , la softmax di y_i è semplicemente l'esponenziale diviso per la somma dell'esponente dell'intero vettore Y: Dov'è S(y_i)la funzione softmax di y_ied eè l'esponenziale ed jè il no. di colonne nel vettore di input Y. Ho provato quanto segue: import numpy as np …
In numpy/ scipy, esiste un modo efficiente per ottenere conteggi di frequenza per valori univoci in un array? Qualcosa del genere: 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]] (Per te, R utenti là fuori, sto praticamente cercando la table()funzione)
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.