Numpy Ndarray odnosi się do N-wymiarowego typu tablicy, który opisuje kolekcję tego samego typu w bibliotece NumPy w języku Python. Użyj tego tagu w przypadku pytań związanych z tym typem tablicy.
NumPy proponuje sposób uzyskania indeksu maksymalnej wartości tablicy przez np.argmax. Chciałbym podobną rzecz, ale zwracanie indeksów Nwartości maksymalnych. Na przykład, jeśli mam tablicę [1, 3, 2, 4, 5], function(array, n=3)zwróciłby indeksy [4, 3, 1]odpowiadające elementom [5, 4, 3].
Jakie są zalety NumPy w porównaniu ze zwykłymi listami w języku Python? Mam około 100 serii rynków finansowych i zamierzam utworzyć tablicę kostek o wymiarach 100 x 100 x 100 = 1 milion komórek. Będę regresował (3-zmienny) każdy x przy każdym y i z, aby wypełnić tablicę standardowymi błędami. Słyszałem, …
Macierz numpy można przekształcić w wektor za pomocą funkcji zmiany kształtu z parametrem -1. Ale nie wiem, co -1 oznacza tutaj. Na przykład: a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]]) b = numpy.reshape(a, -1) Wynikiem bjest:matrix([[1, 2, 3, 4, 5, 6, 7, 8]]) Czy ktoś wie, co …
Czy ktoś może mi wyjaśnić, jaki jest cel meshgriddziałania Numpy? Wiem, że tworzy ona pewnego rodzaju siatkę współrzędnych do kreślenia, ale tak naprawdę nie widzę bezpośrednich korzyści z tego. Uczę się „uczenia maszynowego w języku Python” od Sebastiana Raschki i używa go do kreślenia granic decyzji. Zobacz wejście 11 tutaj …
import numpy as np y = np.array(((1,2,3),(4,5,6),(7,8,9))) OUTPUT: print(y.flatten()) [1 2 3 4 5 6 7 8 9] print(y.ravel()) [1 2 3 4 5 6 7 8 9] Obie funkcje zwracają tę samą listę. Więc jaka jest potrzeba dwóch różnych funkcji wykonujących tę samą pracę.
Mam dwie proste jednowymiarowe tablice w NumPy . Powinienem być w stanie połączyć je przy użyciu numpy.concatenate . Ale pojawia się ten błąd dla poniższego kodu: TypeError: tylko tablice długości 1 mogą być konwertowane na skalary Pythona Kod import numpy a = numpy.array([1, 2, 3]) b = numpy.array([5, 6]) numpy.concatenate(a, …
W porządku, bawię się z konwertowaniem obiektu obrazu PIL tam iz powrotem na tablicę numpy, dzięki czemu mogę wykonywać szybsze transformacje piksel po pikselu, niż PixelAccesspozwala obiekt PIL . Nauczyłem się, jak umieszczać informacje o pikselach w przydatnej macierzy liczb 3D w następujący sposób: pic = Image.open("foo.jpg") pix = numpy.array(pic.getdata()).reshape(pic.size[0], …
Mam dwie tablice numpy o różnych kształtach, ale o tej samej długości (wymiar wiodący). Chcę przetasować każdy z nich, tak aby odpowiadające mu elementy nadal korespondowały - tj. Potasować je zgodnie zgodnie z ich wiodącymi indeksami. Ten kod działa i ilustruje moje cele: def shuffle_in_unison(a, b): assert len(a) == len(b) …
Powiedzmy, że mam tablicę numeryczną 1d a = array([1,0,3]) Chciałbym zakodować to jako tablicę 2d 1-hot b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]]) Czy jest na to szybki sposób? To znaczy szybsze niż zapętlanie w acelu ustawienia elementów b, to znaczy.
Czy istnieje wygodny sposób obliczania percentyli dla sekwencji lub jednowymiarowej tablicy numpy? Szukam czegoś podobnego do funkcji percentyla programu Excel. Zajrzałem do statystyki NumPy i nie mogłem tego znaleźć. Jedyne, co mogłem znaleźć, to mediana (50 percentyl), ale nie coś bardziej szczegółowego.
Kiedy próbuję numpy.newaxis wynik daje mi 2-wymiarową ramkę wykresu z osią X od 0 do 1. Jednak gdy próbuję użyć numpy.newaxisdo wycięcia wektora, vector[0:4,] [ 0.04965172 0.04979645 0.04994022 0.05008303] vector[:, np.newaxis][0:4,] [[ 0.04965172] [ 0.04979645] [ 0.04994022] [ 0.05008303]] Czy to to samo, z wyjątkiem tego, że zmienia wektor wierszowy …
Mam tablicę numpy taką jak ta: [1 2 2 0 0 1 3 5] Czy można uzyskać indeks elementów w postaci tablicy 2d? Na przykład odpowiedzią na powyższe dane wejściowe byłoby[[3 4], [0 5], [1 2], [6], [], [7]] Obecnie muszę zapętlać różne wartości i wywoływać numpy.where(input == i)każdą wartość, …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.