Ho due schiere insensibili di forme diverse, ma con la stessa lunghezza (dimensione iniziale). Voglio mescolare ciascuno di essi, in modo tale che gli elementi corrispondenti continuino a corrispondere, ovvero mescolarli all'unisono rispetto ai loro indici principali. Questo codice funziona e illustra i miei obiettivi: def shuffle_in_unison(a, b): assert len(a) …
Se ho un dtype intorpidito, come posso convertirlo automaticamente nel tipo di dati Python più vicino? Per esempio, numpy.float32 -> "python float" numpy.float64 -> "python float" numpy.uint32 -> "python int" numpy.int16 -> "python int" Potrei provare a trovare una mappatura di tutti questi casi, ma numpy fornisce un modo automatico …
Ho bisogno di creare un array NumPy di lunghezza n, ciascuno dei quali è v. C'è qualcosa di meglio di: a = empty(n) for i in range(n): a[i] = v Lo so zerose onesfunzionerebbe per v = 0, 1. Potrei usare v * ones(n), ma non funzionerà quando vè None, …
Ho creato così un array: import numpy as np data = np.zeros( (512,512,3), dtype=np.uint8) data[256,256] = [255,0,0] Quello che voglio fare è visualizzare un singolo punto rosso al centro di un'immagine 512x512. (Almeno per cominciare ... Penso di poter capire il resto da lì)
Diciamo che ho un array numpy 1d a = array([1,0,3]) Vorrei codificare questo come un array 2d 1-hot b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]]) C'è un modo rapido per farlo? Più veloce di un semplice ciclo aper impostare gli elementi di b, cioè.
Voglio capire come rimuovere i valori nan dal mio array. Il mio array è simile al seguente: x = [1400, 1500, 1600, nan, nan, nan ,1700] #Not in this exact configuration Come posso rimuovere i nanvalori da x?
Ho appena scoperto un errore logico nel mio codice che causava ogni tipo di problema. Inavvertitamente stavo facendo un AND bit per bit anziché un AND logico . Ho cambiato il codice da: r = mlab.csv2rec(datafile, delimiter=',', names=COL_HEADERS) mask = ((r["dt"] >= startdate) & (r["dt"] <= enddate)) selected = r[mask] …
Sto prendendo alcune lezioni universitarie e mi è stato dato un 'account didattico', che è un account scolastico in cui posso fare un lavoro. Voglio eseguire il mio codice Numpy, matplotlib, scipy intensivo dal punto di vista computazionale su quella macchina, ma non posso installare questi moduli perché non sono …
qual è il modo più rapido / semplice per eliminare i valori nan e inf / -inf da un DataFrame di Panda senza reimpostare mode.use_inf_as_null? Mi piacerebbe essere in grado di usare gli argomenti subsete howdi dropna, tranne con infvalori considerati mancanti, come: df.dropna(subset=["col1", "col2"], how="all", with_inf=True) È possibile? C'è …
Esiste un modo conveniente per calcolare percentili per una sequenza o una matrice numpy monodimensionale? Sto cercando qualcosa di simile alla funzione percentile di Excel. Ho cercato nel riferimento statistico di NumPy e non sono riuscito a trovarlo. Tutto quello che ho potuto trovare è la mediana (50 ° percentile), …
Come posso rimuovere alcuni elementi specifici da una matrice numpy? Di 'che ho import numpy as np a = np.array([1,2,3,4,5,6,7,8,9]) Voglio quindi rimuovere 3,4,7da a. Tutto quello che so è l'indice dei valori ( index=[2,3,6]).
Vorrei avere la norma di un array NumPy. Più specificamente, sto cercando una versione equivalente di questa funzione def normalize(v): norm = np.linalg.norm(v) if norm == 0: return v return v / norm C'è qualcosa del genere in skearno numpy? Questa funzione è attiva in una situazione in cui vè …
Ho un pandas dataframein cui una colonna di stringhe di testo contiene valori separati da virgola. Voglio dividere ogni campo CSV e creare una nuova riga per voce (supponiamo che i CSV siano puliti e debbano essere divisi solo su ','). Ad esempio, adovrebbe diventare b: In [7]: a Out[7]: …
Supponiamo che abbiamo un set di dati che potrebbe essere fornito approssimativamente da import numpy as np x = np.linspace(0,2*np.pi,100) y = np.sin(x) + np.random.random(100) * 0.2 Pertanto abbiamo una variazione del 20% del set di dati. La mia prima idea è stata quella di utilizzare la funzione UnivariateSpline di …
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.