Mam prosty problem, ale nie mogę znaleźć dobrego rozwiązania. Chcę wziąć tablicę NumPy 2D, która reprezentuje obraz w skali szarości i przekonwertować ją na obraz RGB PIL, stosując niektóre z map kolorów matplotlib. Mogę uzyskać rozsądny wynik w formacie PNG za pomocą pyplot.figure.figimagepolecenia: dpi = 100.0 w, h = myarray.shape[1]/dpi, …
Załóżmy, że mam ramkę danych pandy df: Chcę obliczyć średnią kolumnową ramki danych. To jest łatwe: df.apply(average) następnie zakres mądry kolumny max (col) - min (col). To znowu jest łatwe: df.apply(max) - df.apply(min) Teraz dla każdego elementu chcę odjąć średnią z jego kolumny i podzielić przez zakres jego kolumny. Nie …
Numpy, scipy, matplotlib i pylab to powszechne terminy wśród osób używających Pythona do obliczeń naukowych. Po prostu dowiedziałem się trochę o Pylab i byłem zdezorientowany. Ilekroć chcę zaimportować numpy, zawsze mogę: import numpy as np Po prostu myślę, że kiedyś to zrobię from pylab import * numpy również zostanie zaimportowany …
numpy ma trzy różne funkcje, które wydają się być używane do tych samych rzeczy - z wyjątkiem tego, że numpy.maximummogą być używane tylko w odniesieniu do elementów, podczas gdy numpy.maxi numpy.amaxmogą być używane na określonych osiach lub wszystkich elementach. Dlaczego jest coś więcej niż tylko numpy.max? Czy jest w tym …
Numpy docs zalecają używanie tablicy zamiast matrix do pracy z macierzami. Jednak w przeciwieństwie do oktawy (której używałem do niedawna), * nie wykonuje mnożenia macierzy, musisz użyć funkcji matrixmultipy (). Czuję, że to sprawia, że kod jest bardzo nieczytelny. Czy ktoś podziela moje poglądy i znalazł rozwiązanie?
Nie mogę znaleźć żadnych bibliotek Pythona, które wykonują regresję wielokrotną. Jedyne, co widzę, to tylko prosta regresja. Muszę dokonać regresji mojej zmiennej zależnej (y) względem kilku zmiennych niezależnych (x1, x2, x3 itd.). Na przykład z tymi danymi: print 'y x1 x2 x3 x4 x5 x6 x7' for t in texts: …
Czy istnieje sposób na zainicjowanie tablicy numpy kształtu i dodanie do niej? Wyjaśnię, czego potrzebuję, na przykładzie listy. Jeśli chcę stworzyć listę obiektów generowanych w pętli, mogę: a = [] for i in range(5): a.append(i) Chcę zrobić coś podobnego z tablicą numpy. Wiem o vstack, concatenate itp. Jednak wydaje się, …
Biorąc pod uwagę tablicę NumPy int32, jak przekonwertować ją na float32 miejsce ? Więc zasadniczo chciałbym to zrobić a = a.astype(numpy.float32) bez kopiowania tablicy. To jest duże. Powodem tego jest to, że mam dwa algorytmy do obliczania a. Jeden z nich zwraca tablicę int32, a drugi tablicę float32(i jest to …
W numpy mam dwie „tablice”, Xjest (m,n)i yjest wektorem(n,1) za pomocą X*y Otrzymuję błąd ValueError: operands could not be broadcast together with shapes (97,2) (2,1) Kiedy (97,2)x(2,1)jest wyraźnie legalną operacją macierzową i powinno dać mi (97,1)wektor EDYTOWAĆ: Poprawiłem to, używając, X.dot(y)ale pierwotne pytanie nadal pozostaje.
Czy istnieje szybki sposób na „spłaszczenie częściowe” lub spłaszczenie tylko niektórych pierwszych wymiarów w tablicy numpy? Na przykład, mając numeryczną tablicę wymiarów (50,100,25), wynikowymi wymiarami będą(5000,25)
Próbuję napisać Dataframe Pandas (lub można użyć tablicy numpy) do bazy danych mysql przy użyciu MysqlDB. Wydaje się, że MysqlDB nie rozumie „nan”, a moja baza danych wyświetla błąd informujący, że nan nie ma na liście pól. Muszę znaleźć sposób na przekonwertowanie „nan” na NoneType. Jakieś pomysły?
Buduję swoje środowisko numpy / scipy w oparciu o blas i lapack mniej więcej na podstawie tego przejścia. Kiedy skończę, jak mogę sprawdzić, czy moje funkcje numpy / scipy naprawdę używają wcześniej zbudowanych funkcji blas / lapack?
Nie jestem pewien, czy liczy się to bardziej jako problem z systemem operacyjnym, ale pomyślałem, że zapytałbym tutaj, gdyby ktoś miał jakiś wgląd w Python. Próbowałem zsynchronizować forpętlę obciążającą procesor joblib, ale stwierdziłem, że zamiast przypisywać każdy proces roboczy do innego rdzenia, w końcu wszystkie są przypisane do tego samego …
Mam listę wartości, które muszę filtrować, biorąc pod uwagę wartości na liście wartości logicznych: list_a = [1, 2, 4, 6] filter = [True, False, True, False] Generuję nową listę filtrowaną z następującym wierszem: filtered_list = [i for indx,i in enumerate(list_a) if filter[indx] == True] Co skutkuje w: print filtered_list [1,4] …
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.