Questions tagged «numpy»

我想制作一个使用ReLU函数的简单神经网络。有人可以告诉我如何使用numpy实现该功能的线索。

72 python  numpy  machine-learning  neural-network 

让我们从的三个数组开始dtype=np.double。使用numpy 1.7.1编译icc并链接到intel的numpy 1.7.1在intel CPU上执行计时mkl。一个AMD的CPU与编译numpy的1.6.1gcc不mkl也被用来验证的时序。请注意，计时几乎与系统大小成线性比例，并且不是由于numpy函数if语句中的开销很小，这些差异将以微秒而非毫秒显示： arr_1D=np.arange(500,dtype=np.double) large_arr_1D=np.arange(100000,dtype=np.double) arr_2D=np.arange(500**2,dtype=np.double).reshape(500,500) arr_3D=np.arange(500**3,dtype=np.double).reshape(500,500,500) 首先让我们看一下np.sum函数： np.all(np.sum(arr_3D)==np.einsum('ijk->',arr_3D)) True %timeit np.sum(arr_3D) 10 loops, best of 3: 142 ms per loop %timeit np.einsum('ijk->', arr_3D) 10 loops, best of 3: 70.2 ms per loop 权力： np.allclose(arr_3D*arr_3D*arr_3D,np.einsum('ijk,ijk,ijk->ijk',arr_3D,arr_3D,arr_3D)) True %timeit arr_3D*arr_3D*arr_3D 1 loops, best of 3: 1.32 s per loop %timeit np.einsum('ijk,ijk,ijk->ijk', …

72 python  arrays  performance  numpy  multidimensional-array 

在SciPy中用于多元正态采样函数的帮助资源中，他们给出了以下示例： x,y = np.random.multivariate_normal(mean,cov,5000).T 我的问题很基本：最终的.T实际上做什么？ 非常感谢，我知道这很简单，但是很难在Google中找到“ .T”。

72 python  numpy 

在计算简单的移动平均线时，numpy.convolve似乎可以完成任务。 问题：使用时如何进行计算np.convolve(values, weights, 'valid')？ 当文档提到时convolution product is only given for points where the signals overlap completely，这两个信号指的是什么？ 如果有任何解释可以包括示例和说明，它将非常有用。 window = 10 weights = np.repeat(1.0, window)/window smas = np.convolve(values, weights, 'valid')

71 python  python-2.7  numpy  convolution  moving-average 

我正在尝试理解Decision_function和Predict之间的关系，它们是SVC的实例方法（http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html）。到目前为止，我已经收集到决策函数返回类之间的成对得分。我的印象是，预测会选择最大化其成对成绩的课程，但我对此进行了测试，得出了不同的结果。这是我用来尝试理解两者之间关系的代码。首先，我生成了成对分数矩阵，然后打印出最大成对分数的类，该类不同于clf.predict预测的类。 result = clf.decision_function(vector)[0] counter = 0 num_classes = len(clf.classes_) pairwise_scores = np.zeros((num_classes, num_classes)) for r in xrange(num_classes): for j in xrange(r + 1, num_classes): pairwise_scores[r][j] = result[counter] pairwise_scores[j][r] = -result[counter] counter += 1 index = np.argmax(pairwise_scores) class = index_star / num_classes print class print clf.predict(vector)[0] 有谁知道这些预测和决策函数之间的关系？

71 python  numpy  svm  scikit-learn 

我有一组包含字符串和浮点数的列表，例如： import numpy as num NAMES = num.array(['NAME_1', 'NAME_2', 'NAME_3']) FLOATS = num.array([ 0.5 , 0.2 , 0.3 ]) DAT = num.column_stack((NAMES, FLOATS)) 我想将这两个列表堆叠在一起，然后将它们以列的形式写入文本文件；因此，我想使用numpy.savetxt（如果可能）来执行此操作。 num.savetxt('test.txt', DAT, delimiter=" ") 当我这样做时，出现以下错误： >>> num.savetxt('test.txt', DAT, delimiter=" ") Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/Library/Python/2.7/site-packages/numpy-1.8.0.dev_9597b1f_20120920-py2.7-macosx-10.8-x86_64.egg/numpy/lib/npyio.py", line 1047, in …

70 python  list  numpy  output 

我想将同一数组的2个部分组合成一个复杂的数组： Data[:,:,:,0] , Data[:,:,:,1] 这些不起作用： x = np.complex(Data[:,:,:,0], Data[:,:,:,1]) x = complex(Data[:,:,:,0], Data[:,:,:,1]) 我想念什么吗？numpy是否不喜欢对复数执行数组函数？这是错误： TypeError: only length-1 arrays can be converted to Python scalars

70 python  arrays  numpy  complex-numbers 

我必须对NumPy数组中的连续元素进行聚类。考虑以下示例 a = [ 0, 47, 48, 49, 50, 97, 98, 99] 输出应为元组列表，如下所示 [(0), (47, 48, 49, 50), (97, 98, 99)] 在这里，差异只是元素之间的差异。如果差异也可以指定为限制或硬编码数字，那就太好了。

70 python  numpy 

我需要测试变量是否为类型的int，或任何的np.int*，np.uint*优选使用单一的条件（即没有or）。 经过一些测试，我猜想： isinstance(n, int)将仅与int和np.int32（或np.int64取决于平台）匹配， np.issubdtype(type(n), int)似乎所有的匹配int和np.int*，但不匹配np.uint*。 这导致两个问题：将 np.issubdtype匹配任何一种带符号的整数？可以一次检查数字是否为带符号的整数或无符号的整数吗？ 这是关于整数的测试，测试应返回False浮点型。

70 python  numpy  types 

我需要一个从数组返回非NaN值的函数。目前，我正在以这种方式进行操作： >>> a = np.array([np.nan, 1, 2]) >>> a array([ NaN, 1., 2.]) >>> np.invert(np.isnan(a)) array([False, True, True], dtype=bool) >>> a[np.invert(np.isnan(a))] array([ 1., 2.]) Python：2.6.4 numpy：1.3.0 如果您知道更好的方法，请分享，谢谢

69 arrays  numpy  python  nan 

我有一个Python熊猫系列的某些值（类型：pandas.core.series.Series） In [1]: series = pd.Series([0.0,950.0,-70.0,812.0,0.0,-90.0,0.0,0.0,-90.0,0.0,-64.0,208.0,0.0,-90.0,0.0,-80.0,0.0,0.0,-80.0,-48.0,840.0,-100.0,190.0,130.0,-100.0,-100.0,0.0,-50.0,0.0,-100.0,-100.0,0.0,-90.0,0.0,-90.0,-90.0,63.0,-90.0,0.0,0.0,-90.0,-80.0,0.0,]) In [2]: series.min() Out[2]: -100.0 In [3]: series.max() Out[3]: 950.0 我想获取直方图的值（不必绘制直方图）...我只需要获取每个间隔的频率即可。 假设我的间隔从[-200; -150]至[950; 1000] 所以下界是 lwb = range(-200,1000,50) 和上限是 upb = range(-150,1050,50) 我现在不知道如何获取频率（每个间隔内的值的数量）...我确定没有必要定义lwb和upb ...但是我不知道应该使用什么函数执行这个！（在学习了Pandas doc之后，我认为cut函数可以为我提供帮助，因为这是一个离散化问题...但是我不知道如何使用它） 能够做到这一点之后，我将看看显示直方图的方式（但这是另一个问题）

69 python  pandas  numpy  matplotlib 

我必须计算矩阵（二维数组）中大于200的所有值。 我为此写下的代码是： za=0 p31 = numpy.asarray(o31) for i in range(o31.size[0]): for j in range(o32.size[1]): if p31[i,j]<200: za=za+1 print za o31 是一幅图像，我将其转换为矩阵，然后查找值。 我的问题是，有没有更简单的方法可以做到这一点？

69 python  arrays  coding-style  numpy  pixel 

作为一个最小的工作示例，让我们数字化2D数组。numpy.digitize需要一维数组： import numpy as np N = 200 A = np.random.random((N, N)) X = np.linspace(0, 1, 20) print np.digitize(A.ravel(), X).reshape((N, N)) 现在文档说： ...仅在需要时制作副本。 ravel在这种情况下，我如何知道是否需要复制？总的来说，有什么方法可以确定某个特定操作是创建副本还是创建视图？

69 python  numpy  copy 

scipy.spatial.distance.pdist返回一个压缩距离矩阵。从文档中： 返回一个简化的距离矩阵Y。对于每个和（其中），度量dist（u = X [i]，v = X [j]）并存储在条目ij中。 我以为ij是故意的i*j。但是我认为我可能是错的。考虑 X = array([[1,2], [1,2], [3,4]]) dist_matrix = pdist(X) 然后文档说dist(X[0], X[2])应该是dist_matrix[0*2]。但是，dist_matrix[0*2]是0 －而不是2.8。 我应该使用什么公式访问给定i和的两个向量的相似性j？

69 python  numpy  scipy 

我有两个数据向量，并将它们放入matplotlib.scatter()。现在，我想对这些数据进行线性拟合。我该怎么做？我尝试使用scikitlearn和np.scatter。

69 python  numpy  matplotlib