Questions tagged «numpy»

我想将缩放比例（使用来自sklearn.preprocessing的StandardScaler（））应用于熊猫数据框。以下代码返回一个numpy数组，因此我丢失了所有列名和索引。这不是我想要的。 features = df[["col1", "col2", "col3", "col4"]] autoscaler = StandardScaler() features = autoscaler.fit_transform(features) 我在网上找到的“解决方案”是： features = features.apply(lambda x: autoscaler.fit_transform(x)) 它似乎可以工作，但是会导致弃用警告： /usr/lib/python3.5/site-packages/sklearn/preprocessing/data.py:583：DeprecationWarning：在数据中0.1d中弃用一维数组，在0.19中会引发ValueError。如果数据具有单个功能，则使用X.reshape（-1，1）来重塑数据，如果包含单个样本，则使用X.reshape（1，-1）来重塑数据。 因此，我尝试： features = features.apply(lambda x: autoscaler.fit_transform(x.reshape(-1, 1))) 但这给出了： 追溯（最近一次通话最近）：文件“ ./analyse.py”，第91行，在features = features.apply（lambda x：autoscaler.fit_transform（x.reshape（-1，1）））中，文件“ / usr / lib / python3.5 / site-packages / pandas / core / frame.py“，第3972行，在apply返回self._apply_standard（f，axis，reduce = reduce）文件” …

80 python  numpy  pandas  scikit-learn 

有没有简单的方法来创建不可变的NumPy数组？ 如果必须从中派生一个类ndarray来执行此操作，那么为实现不变性而必须重写的最少方法集是什么？

79 python  arrays  numpy  immutability  readonly 

numpy中是否有一种方法可以计算两个矩阵之间的均方误差？ 我尝试搜索但没有找到。是否使用其他名称？ 如果没有，您如何克服呢？您是自己编写还是使用其他库？

79 python  arrays  numpy  mean  mean-square-error 

我试图在macOS X上安装numpy，但执行命令后pip install numpy出现错误： 环境错误：[错误13]：权限被拒绝：'usr / local / bin / f2py 我如何解决它？

79 python  macos  numpy 

有没有人为特定的numpy.ndarray类实现类型提示？ 现在，我正在使用typing.Any，但是最好有更具体的内容。 例如，如果NumPy人们为其array_like对象类添加了类型别名。更好的是，在dtype级别实现支持，以便支持其他对象以及ufunc。

79 python  numpy  python-3.5  type-hinting 

据我所知，直方图函数中的选项Log = True仅指y轴。 P.hist(d,bins=50,log=True,alpha=0.5,color='b',histtype='step') 我需要将垃圾箱在log10中等距放置。有什么可以做到的吗？

78 python  numpy  matplotlib  histogram 

鉴于此CSV文件： "A","B","C","D","E","F","timestamp" 611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291111964948E12 611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291113113366E12 611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291120650486E12 我只是想将其加载为3行7列的矩阵/ ndarray。但是，由于某种原因，我能从numpy中得到的只有一个具有3行（每行一个）且没有列的ndarray。 r = np.genfromtxt(fname,delimiter=',',dtype=None, names=True) print r print r.shape [ (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291111964948.0) (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291113113366.0) (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291120650486.0)] (3,) 我可以手动迭代并将其修改为所需的形状，但这似乎很愚蠢。我只想将其加载为适当的矩阵，以便可以像在matlab中一样将其切成不同的维度并绘制出来。

78 python  arrays  csv  numpy  reshape 

从Numpy的教程中，可以使用整数对轴进行索引，例如0用于列，1用于行，但是我不明白为什么用这种方式对它们进行索引？当处理多维数组时，如何计算每个轴的索引？

78 python  numpy 

从有关对数的numpy文档中，我发现了以e，2和10为底取对数的函数： import numpy as np np.log(np.e**3) #3.0 np.log2(2**3) #3.0 np.log10(10**3) #3.0 但是，如何在numpy中使用以n为底的对数（例如42）？

78 python  math  numpy  logarithm 

一个简单的问题：每种方法的优点是什么？似乎给定正确的参数（和ndarray形状），它们似乎都等效地工作。做一些工作吗？有更好的表现？什么时候应该使用哪些功能？

78 python  numpy 

每次我imdb_lstm.py从Keras框架（https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py）运行示例时，我都会得到不同的结果（测试准确性）。代码包含np.random.seed(1337)在顶部，而不是任何keras进口。应该防止它为每次运行生成不同的数字。我想念什么？ 更新：如何复制： 安装Keras（http://keras.io/） 多次执行https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py。它将训练模型并输出测试精度。 预期结果：每次运行的测试准确性均相同。 实际结果：每次运行的测试准确性都不同。 UPDATE2：我正在Windows 8.1和MinGW / msys上运行它，模块版本： theano 0.7.0 numpy 1.8.1 scipy 0.14.0c1 UPDATE3：我将问题缩小了一点。如果我在GPU上运行示例（设置theano标志device = gpu0），则每次都会获得不同的测试准确性，但是如果我在CPU上运行，那么一切都会按预期进行。我的显卡：NVIDIA GeForce GT 635）

78 python  numpy  theano  keras 

我是Python的完整新手，但似乎给定的字符串可以（有效）为任意长度。也就是说，您可以string str添加并继续添加：str += "some stuff..."。有没有办法制作这样的字符串数组？ 当我尝试此操作时，每个元素仅存储一个字符 strArr = numpy.empty(10, dtype='string') for i in range(0,10) strArr[i] = "test" 另一方面，我知道我可以初始化一定长度的字符串数组，即 strArr = numpy.empty(10, dtype='s256') 最多可以存储10个字符串，最多256个字符。

78 python  arrays  string  numpy 

我写了以下脚本： import numpy d = numpy.array([[1089, 1093]]) e = numpy.array([[1000, 4443]]) answer = numpy.exp(-3 * d) answer1 = numpy.exp(-3 * e) res = answer.sum()/answer1.sum() print res 但是我得到了这个结果，并发生了错误： nan C:\Users\Desktop\test.py:16: RuntimeWarning: invalid value encountered in double_scalars res = answer.sum()/answer1.sum() 看来输入元素太小，以至于python将它们设为零，但是除法确实有其结果。 如何解决这种问题？

77 python  numpy  warnings 

我有一个与SWIG完美搭配的小项目。特别是，我的某些函数返回std::vectors，在Python中将其转换为元组。现在，我做了很多数字运算，因此我只是将它们从C ++代码返回后，将它们转换为numpy数组。为此，我在SWIG中使用了以下内容。 %feature("pythonappend") My::Cool::Namespace::Data() const %{ if isinstance(val, tuple) : val = numpy.array(val) %} （实际上，有几个名为Data的函数，其中一些返回浮点数，这就是为什么我检查它val实际上是一个元组的原因。）这工作得很漂亮。 但是，我也想使用-builtin现在可用的标志。很少调用这些Data函数，并且大多数都是交互式的，因此它们的缓慢性不是问题，但是使用内置选项可以显着加快其他缓慢循环的速度。 问题是当我使用该标志时，pythonappend功能将被静默忽略。现在，Data再次返回一个元组。有什么办法我仍然可以返回numpy数组吗？我尝试使用类型映射，但结果变得一团糟。 编辑： Borealid很好地回答了这个问题。仅出于完整性考虑，我包括了一些相关但略微不同的类型映射，因为我是通过const引用返回的，并且我使用了vectors的向量（不要开始！）。这些差异是如此之大，以至于我不希望其他人为找出细微的差异而绊脚石。 %typemap(out) std::vector<int>& { npy_intp result_size = $1->size(); npy_intp dims[1] = { result_size }; PyArrayObject* npy_arr = (PyArrayObject*)PyArray_SimpleNew(1, dims, NPY_INT); int* dat = (int*) PyArray_DATA(npy_arr); for (size_t i = 0; i < …

77 python  numpy  swig 

numpy.random.shuffle(x)和之间有什么区别numpy.random.permutation(x)？ 我已经阅读了文档页面，但是当我只想随机地对数组元素进行随机排列时，我不明白两者之间是否有任何区别。 确切地说，假设我有一个数组x=[1,4,2,8]。 如果我想生成x的随机排列，那么shuffle(x)和之间有什么区别permutation(x)？

77 python  numpy  scipy  permutation  shuffle