Questions tagged «scipy»

您将如何使用Python创建一个qq图？ 假设您有大量的测量值，并且正在使用一些将XY值作为输入的绘图功能。该函数应将测量的分位数与某种分布的相应分位数（正态，均匀...）作图。 结果图使我们可以评估测量是否遵循假设的分布。 http://en.wikipedia.org/wiki/Quantile-quantile_plot R和Matlab都为此提供了现成的函数，但是我想知道用Python实现的最干净的方法是什么。

84 python  statistics  scipy 

更新： 我发现了基于此问题的Scipy食谱！因此，对于感兴趣的任何人，请直接转到：目录»信号处理»Butterworth Bandpass 我很难实现最初看起来像是为一维numpy数组（时间序列）实现Butterworth带通滤波器的简单任务。 我必须包括的参数是sample_rate，HERTZ的截止频率以及可能的阶数（其他参数（例如衰减，固有频率等）对我来说比较晦涩，因此任何“默认”值都可以）。 我现在所拥有的就是这个，它似乎可以用作高通滤波​​器，但是我不确定自己是否做对了： def butter_highpass(interval, sampling_rate, cutoff, order=5): nyq = sampling_rate * 0.5 stopfreq = float(cutoff) cornerfreq = 0.4 * stopfreq # (?) ws = cornerfreq/nyq wp = stopfreq/nyq # for bandpass: # wp = [0.2, 0.5], ws = [0.1, 0.6] N, wn = scipy.signal.buttord(wp, ws, 3, …

83 python  scipy  signal-processing  digital-filter 

对于SciPy稀疏矩阵，可以使用todense()或toarray()转换为NumPy矩阵或数组。进行逆运算的功能是什么？ 我进行了搜索，但不知道应该正确选择哪些关键字。

82 python  numpy  scipy  sparse-matrix 

我正在尝试移植一个使用手推插值器（由数学家colleage开发）的程序，以使用scipy提供的插值器。我想使用或包装scipy插值器，以使其行为与旧的插值器尽可能接近。 这两个函数之间的关键区别在于，在我们的原始插值器中-如果输入值高于或低于输入范围，则我们的原始插值器将推断结果。如果您使用scipy插值器尝试此操作，则会引发一个ValueError。以该程序为例： import numpy as np from scipy import interpolate x = np.arange(0,10) y = np.exp(-x/3.0) f = interpolate.interp1d(x, y) print f(9) print f(11) # Causes ValueError, because it's greater than max(x) 有没有一种明智的方法可以使最后一行不会发生崩溃，而是简单地进行线性外推，将由前两个点定义的渐变继续到无穷大。 请注意，在实际软件中，我实际上并没有使用exp函数-此处仅用于说明！

82 python  math  numpy  scipy 

我不知道如何在Scipy中进行两样本KS测试。 阅读文档scipy kstest之后 我可以看到如何测试分布与标准正态分布相同的地方 from scipy.stats import kstest import numpy as np x = np.random.normal(0,1,1000) test_stat = kstest(x, 'norm') #>>> test_stat #(0.021080234718821145, 0.76584491300591395) 这意味着在0.76的p值下，我们不能拒绝两个分布相同的零假设。 但是，我想比较两个分布，看看是否可以拒绝它们相同的零假设，例如： from scipy.stats import kstest import numpy as np x = np.random.normal(0,1,1000) z = np.random.normal(1.1,0.9, 1000) 并测试x和z是否相同 我尝试过天真： test_stat = kstest(x, z) 并得到以下错误： TypeError: 'numpy.ndarray' object …

81 python  numpy  scipy  statistics  distribution 

如何检查scipy系统上已安装的版本？

81 python  scipy 

如何csr_matrix以可移植格式保存/加载稀疏稀疏？稀疏稀疏矩阵是在Python 3（Windows 64位）上创建的，以在Python 2（Linux 64位）上运行。最初，我使用pickle（协议= 2，fix_imports = True），但是从Python 3.2.2（Windows 64位）到Python 2.7.2（Windows 32位）不起作用，并出现错误： TypeError: ('data type not understood', <built-in function _reconstruct>, (<type 'numpy.ndarray'>, (0,), '[98]')). 接下来，尝试了numpy.save，numpy.load以及，scipy.io.mmwrite()并且scipy.io.mmread()这些方法都不起作用。

80 python  numpy  scipy 

我正在尝试使用python过滤嘈杂的心率信号。因为心率永远不应该超过每分钟220次跳动，所以我想过滤掉所有220 bpm以上的噪音。我将220 /分钟转换为3.66666666赫兹，然后将该赫兹转换为rad / s，以获得23.0383461 rad / sec。 采集数据的芯片的采样频率为30Hz，因此我将其转换为rad / s以获得188.495559 rad / s。 在网上查找了一些东西之后，我发现了一些我想做成低通的带通滤波器的功能。这是带通代码的链接，所以我将其转换为： from scipy.signal import butter, lfilter from scipy.signal import freqs def butter_lowpass(cutOff, fs, order=5): nyq = 0.5 * fs normalCutoff = cutOff / nyq b, a = butter(order, normalCutoff, btype='low', analog = True) return b, a …

78 python  scipy  filtering  signal-processing 

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 

我想在同一散点图上绘制多个数据集： cases = scatter(x[:4], y[:4], s=10, c='b', marker="s") controls = scatter(x[4:], y[4:], s=10, c='r', marker="o") show() 上面仅显示了最新的 scatter() 我也尝试过： plt = subplot(111) plt.scatter(x[:4], y[:4], s=10, c='b', marker="s") plt.scatter(x[4:], y[4:], s=10, c='r', marker="o") show()

76 python  scipy  matplotlib 

我试图逐行分解程序。Y是数据矩阵，但我无法找到有关.shape[0]确切功能的任何具体数据。 for i in range(Y.shape[0]): if Y[i] == -1: 该程序使用numpy，scipy，matplotlib.pyplot和cvxopt。

76 python  numpy  matplotlib  scipy 

我正在寻找类似网状网格功能的清晰对比。不幸的是我找不到它！ numpy http://docs.scipy.org/doc/numpy/reference/提供 mgrid ogrid meshgrid Scitools http://hplgit.github.io/scitools/doc/api/html/index.html提供 ndgrid boxgrid 理想情况下，总结所有这些的表格将是完美的！

76 python  numpy  scipy 

是否有内置的Numpy / Scipy函数来查找四分位数范围？我自己可以很容易地做到这一点，但是mean()基本上存在sum/len... def IQR(dist): return np.percentile(dist, 75) - np.percentile(dist, 25)

75 python  numpy  scipy 

我正在寻找如何以新的大小重新采样表示图像数据的numpy数组，最好选择插值方法（最近，双线性等）。我知道有 scipy.misc.imresize 通过包装PIL的调整大小功能可以做到这一点。唯一的问题是，由于它使用PIL，因此numpy数组必须符合图像格式，最多只能提供4个“颜色”通道。 我希望能够使用任意数量的“彩色”通道来调整任意图像的大小。我想知道是否有简单的方法可以在scipy / numpy中执行此操作，或者是否需要自己滚动。 对于如何炮制自己，我有两个想法： scipy.misc.imresize分别在每个通道上运行的功能 创建自己的使用 scipy.ndimage.interpolation.affine_transform 对于大数据，第一个可能很慢，而第二个似乎没有提供除样条线之外的任何其他插值方法。

74 python  image-processing  numpy  scipy  python-imaging-library 

我想删除numpy.array中的选定列。这是我的工作： n [397]: a = array([[ NaN, 2., 3., NaN], .....: [ 1., 2., 3., 9]]) In [398]: print a [[ NaN 2. 3. NaN] [ 1. 2. 3. 9.]] In [399]: z = any(isnan(a), axis=0) In [400]: print z [ True False False True] In [401]: delete(a, z, axis …

74 python  numpy  scipy