Questions tagged «numpy»

假设我有; LIST = [[array([1, 2, 3, 4, 5]), array([1, 2, 3, 4, 5],[1,2,3,4,5])] # inner lists are numpy arrays 我尝试转换； array([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5]) 我现在正在vstack上通过迭代来解决它，但是对于特别大的LIST来说确实很慢 您对最佳有效方法有何建议？

100 python  list  numpy 

我有一个浮点数数组（一些正常数字，一些nans），它们是从对熊猫数据框的应用中得出的。 由于某种原因，numpy.isnan在此数组上失败，但是，如下所示，每个元素都是浮点数，numpy.isnan在每个元素上正确运行，变量的类型肯定是一个numpy数组。 这是怎么回事？！ set([type(x) for x in tester]) Out[59]: {float} tester Out[60]: array([-0.7000000000000001, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, …

100 python  arrays  numpy  pandas 

将NumPy数组随机分为训练和测试/验证数据集的好方法是什么？与Matlab中的cvpartition或crossvalind函数类似。

99 python  arrays  optimization  numpy 

我正在寻找Numpy或Scipy（或任何严格的Python库）中的函数，该函数将为我提供Python中的累积正态分布函数。

99 python  numpy  scipy  statistics 

我有一个带有数值的数据框列： df['percentage'].head() 46.5 44.2 100.0 42.12 我想查看该列作为箱数： bins = [0, 1, 5, 10, 25, 50, 100] 我如何将结果作为垃圾箱value counts？ [0, 1] bin amount [1, 5] etc [5, 10] etc ......

99 python  pandas  numpy  dataframe  binning 

我正在尝试获取Numpy数组中最大元素的索引。可以使用来完成numpy.argmax。我的问题是，我想在整个数组中找到最大的元素并获取其索引。 numpy.argmax 既可以沿一个轴（不是我想要的）应用，也可以沿扁平数组（这是我想要的一种）应用。 我的问题是，当我想要多维索引时，使用numpy.argmaxwithaxis=None返回平面索引。 我可以divmod用来获取非固定索引，但这很难看。有什么更好的方法吗？

99 python  multidimensional-array  numpy 

我想知道如何使用python 2.6.6和numpy版本1.5.0用零填充2D numpy数组。抱歉! 但是这些是我的局限性。因此我不能使用np.pad。例如，我想a用零填充以使其形状匹配b。我想这样做的原因是我可以这样做： b-a 这样 >>> a array([[ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.]]) >>> b array([[ 3., 3., 3., 3., 3., 3.], [ 3., 3., 3., 3., 3., 3.], [ 3., 3., 3., 3., 3., 3.], [ …

99 python  arrays  numpy  pad 

如何cv2在Python OpenCV（numpy）的包装器中获取图像的大小。除了之外还有其他正确的方法吗numpy.shape()？如何获得以下格式的尺寸：（宽度，高度）列表？

98 python  image  opencv  numpy 

我正在使用numpy，并希望在不丢失维度信息的情况下对行进行索引。 import numpy as np X = np.zeros((100,10)) X.shape # >> (100, 10) xslice = X[10,:] xslice.shape # >> (10,) 在此示例中，xslice现在为1维，但我希望它为（1,10）。在R中，我将使用X [10，：，drop = F]。numpy中是否有类似的东西。我在文档中找不到它，也没有看到类似的问题。 谢谢！

98 python  numpy 

使用numpy，如何执行以下操作： ln(x) 它等效于： np.log(x) 我这样一个看似微不足道的问题道歉，但我之间的差异的理解log和ln被认为ln是LOGSPACEè？

98 python  numpy  logarithm  natural-logarithm 

我可以访问NumPy和SciPy，并希望为数据集创建一个简单的FFT。我有两个列表，一个是y值，另一个是这些y值的时间戳。 将这些列表输入SciPy或NumPy方法并绘制所得FFT的最简单方法是什么？ 我查看了示例，但是它们都依赖于创建具有一定数量的数据点和频率等的伪造数据集，而并没有真正展示如何仅使用一组数据和相应的时间戳来做到这一点。 。 我尝试了以下示例： from scipy.fftpack import fft # Number of samplepoints N = 600 # Sample spacing T = 1.0 / 800.0 x = np.linspace(0.0, N*T, N) y = np.sin(50.0 * 2.0*np.pi*x) + 0.5*np.sin(80.0 * 2.0*np.pi*x) yf = fft(y) xf = np.linspace(0.0, 1.0/(2.0*T), N/2) import matplotlib.pyplot as plt …

98 python  numpy  scipy  fft 

为什么Pandas告诉我我有对象，尽管所选列中的每个项目都是一个字符串-即使经过显式转换也是如此。 这是我的DataFrame： <class 'pandas.core.frame.DataFrame'> Int64Index: 56992 entries, 0 to 56991 Data columns (total 7 columns): id 56992 non-null values attr1 56992 non-null values attr2 56992 non-null values attr3 56992 non-null values attr4 56992 non-null values attr5 56992 non-null values attr6 56992 non-null values dtypes: int64(2), object(5) 他们五个dtype object。我将这些对象明确转换为字符串： for c …

96 python  pandas  numpy  types  series 

我正在尝试使用imshow（）可视化一个numpy数组，因为它类似于Matlab中的imagesc（）。 imshow(random.rand(8, 90), interpolation='nearest') 最终的图形在灰色窗口的中心很小，而大部分空间都未被占用。如何设置参数以使图形更大？我尝试了figsize =（xx，xx），这不是我想要的。谢谢！

96 python  numpy  matplotlib 

我正在处理大型3D阵列，通常需要以各种方式对其进行切片以进行各种数据分析。一个典型的“立方体”可以达到〜100GB（将来可能会更大） 似乎对于python中的大型数据集，通常推荐的文件格式是使用HDF5（h5py或pytables）。我的问题是：使用HDF5来存储和分析这些多维数据集，而不是将它们存储在简单的平面二进制文件中，对速度或内存使用有好处吗？HDF5是否更适合表格数据，而不是像我正在使用的大型数组？我看到HDF5可以提供很好的压缩，但是我对处理速度和处理内存溢出更感兴趣。 我经常只想分析多维数据集的一个大子集。pytables和h5py的一个缺点似乎是，当我对数组进行切片时，我总是得到一个numpy数组，占用了内存。但是，如果我对平面二进制文件的numpy内存映射进行切片，则可以获得一个视图，该视图将数据保留在磁盘上。因此，看来我可以更轻松地分析数据的特定扇区，而不会耗尽内存。 我已经浏览了pytables和h5py，到目前为止，还没有看到两者对我的好处。

96 python  numpy  hdf5  pytables  h5py 

我一直在发疯，试图找出我在这里做错了什么愚蠢的事情。 我正在使用NumPy，并且我想从中选择特定的行索引和特定的列索引。这是我的问题的要点： import numpy as np a = np.arange(20).reshape((5,4)) # array([[ 0, 1, 2, 3], # [ 4, 5, 6, 7], # [ 8, 9, 10, 11], # [12, 13, 14, 15], # [16, 17, 18, 19]]) # If I select certain rows, it works print a[[0, 1, 3], :] …

96 python  arrays  numpy  multidimensional-array  numpy-slicing