Jak przekonwertować numpy.datetime64obiekt na datetime.datetime(lub Timestamp)? W poniższym kodzie tworzę obiekty datetime, timestamp i 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 = pd.DatetimeIndex([dt])[0] dt64 = np.datetime64(dt) …
Jak mogę sprawdzić, której wersji NumPy używam? (FYI to pytanie zostało edytowane, ponieważ zarówno pytanie, jak i odpowiedź nie są specyficzne dla platformy).
Co robi np.random.seedponiższy kod z samouczka Scikit-Learn? Nie znam się zbyt dobrze na generatorach losowych stanów NumPy, więc naprawdę doceniłbym wyjaśnienie tego dla laika. np.random.seed(0) indices = np.random.permutation(len(iris_X))
Mam tablicę Numpy składającą się z listy list reprezentujących dwuwymiarową tablicę z etykietami wierszy i nazwami kolumn, jak pokazano poniżej: data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]]) Chciałbym, aby wynikowa DataFrame miała Row1 i Row2 jako wartości indeksu, a Col1, Col2 jako wartości nagłówka Mogę określić indeks w następujący sposób: df = pd.DataFrame(data,index=data[:,0]), nie …
Wierzcie lub nie, po wyprofilowaniu mojego obecnego kodu powtarzające się operacje odwracania tablicy numpy zjadły ogromną część czasu pracy. To, co mam teraz, to wspólna metoda oparta na widoku: reversed_arr = arr[::-1] Czy jest jakiś inny sposób, aby zrobić to bardziej efektywnie, czy to tylko złudzenie mojej obsesji na punkcie …
Oto mój kod do generowania ramki danych: import pandas as pd import numpy as np dff = pd.DataFrame(np.random.randn(1,2),columns=list('AB')) potem dostałem ramkę danych: +------------+---------+--------+ | | A | B | +------------+---------+--------- | 0 | 0.626386| 1.52325| +------------+---------+--------+ Kiedy wpisuję polecenie: dff.mean(axis=1) Mam : 0 1.074821 dtype: float64 Zgodnie z odniesieniem do …
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, …
Ładuję niektóre dane uczenia maszynowego z pliku CSV. Pierwsze 2 kolumny to obserwacje, a pozostałe kolumny to cechy. Obecnie wykonuję następujące czynności: data = pandas.read_csv('mydata.csv') co daje coś takiego: data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde')) Chciałbym ten dataframe pokroić w dwóch dataframes: jedna zawiera kolumny ai bjeden zawierający kolumny c, …
Mam macierz w rodzaju tablicy Numpy. Jak mam zapisać go na dysku jako obraz? Dowolny format działa (png, jpeg, bmp ...). Jednym ważnym ograniczeniem jest brak PIL.
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], …
Wydaje się, że SciPy zapewnia większość (ale nie wszystkie [1]) funkcji NumPy we własnej przestrzeni nazw. Innymi słowy, jeśli istnieje funkcja o nazwie numpy.foo, prawie na pewno istnieje scipy.foo. Przez większość czasu oba wydają się być dokładnie takie same, często nawet wskazują na ten sam obiekt funkcyjny. Czasami są inni. …
Jaki jest najprostszy sposób porównania dwóch tablic NumPy dla równości (gdzie równość jest zdefiniowana jako: A = B iff dla wszystkich wskaźników i:) A[i] == B[i]? Proste użycie ==daje mi tablicę boolowską: >>> numpy.array([1,1,1]) == numpy.array([1,1,1]) array([ True, True, True], dtype=bool) Czy muszę andelementów tej tablicy, aby ustalić, czy tablice …
Z klasy głębokiego uczenia Udacity softmax y_i jest po prostu wykładniczym podzielonym przez sumę wykładniczego całego wektora Y: Gdzie S(y_i)jest funkcja softmax y_ii ejest wykładnicza i jjest nie. kolumn w wektorze wejściowym Y. Próbowałem następujące: import numpy as np def softmax(x): """Compute softmax values for each sets of scores in …
Po utworzeniu tablicy NumPy i zapisaniu jej jako zmiennej kontekstowej Django podczas ładowania strony pojawia się następujący błąd: array([ 0, 239, 479, 717, 952, 1192, 1432, 1667], dtype=int64) is not JSON serializable Co to znaczy?
W numpy/ scipy, czy istnieje skuteczny sposób na uzyskanie liczby częstotliwości dla unikalnych wartości w tablicy? Coś w tym stylu: 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]] (Dla ciebie, użytkowników R tam, po prostu szukam table()funkcji)
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.