タグ付けされた質問 「numpy-ndarray」

NumPyは、を介して配列の最大値のインデックスを取得する方法を提案しnp.argmaxます。 私は同様のものを望みますが、N最大値のインデックスを返します。 私は配列を持っている場合、例えば、、 [1, 3, 2, 4, 5]、function(array, n=3)指数返される[4, 3, 1]要素に対応します[5, 4, 3]。

482 python  numpy  max  numpy-ndarray 

通常のPythonリストと比較したNumPyの利点は何ですか？ 約100の金融市場シリーズがあり、100x100x100 = 100万セルのキューブ配列を作成します。標準誤差で配列を満たすために、各xを各yとzで回帰（3変数）します。 「大きな行列」の場合、パフォーマンスとスケーラビリティの理由から、PythonリストではなくNumPyを使用する必要があると聞きました。事は、私はPythonのリストを知っており、それらが私のために働くようです。 NumPyに移行すると、どのようなメリットがありますか？ 1000シリーズ（つまり、キューブ内の10億浮動小数点セル）がある場合はどうなりますか？

466 python  arrays  list  numpy  numpy-ndarray 

numpy行列は、パラメーター-1のreshape関数を使用してベクトルに再形成できます。しかし、ここでは-1の意味がわかりません。 例えば： a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]]) b = numpy.reshape(a, -1) の結果bは次のとおりです。matrix([[1, 2, 3, 4, 5, 6, 7, 8]]) ここに-1の意味を知っている人はいますか？そしてそれはpythonが-1などいくつかの意味を割り当てているようです：array[-1]最後の要素を意味します：説明してもらえますか？

420 python  numpy  reshape  numpy-ndarray 

誰かmeshgridがNumpy の関数の目的は何かを私に説明できますか？プロットのためにある種の座標グリッドを作成することは知っていますが、その直接的な利点は本当にわかりません。 私はセバスチャン・ラシュカの「Python Machine Learning」を研究していて、彼はそれを決定境界のプロットに使用しています。ここの入力11を参照してください。 私も公式のドキュメントからこのコードを試しましたが、繰り返しになりますが、出力は実際には意味がありません。 x = np.arange(-5, 5, 1) y = np.arange(-5, 5, 1) xx, yy = np.meshgrid(x, y, sparse=True) z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2) h = plt.contourf(x,y,z) できれば、実際の例もたくさん見せてください。

302 python  numpy  multidimensional-array  mesh  numpy-ndarray 

import numpy as np y = np.array(((1,2,3),(4,5,6),(7,8,9))) OUTPUT: print(y.flatten()) [1 2 3 4 5 6 7 8 9] print(y.ravel()) [1 2 3 4 5 6 7 8 9] どちらの関数も同じリストを返します。次に、同じジョブを実行する2つの異なる機能の必要性は何ですか。

292 python  numpy  multidimensional-array  flatten  numpy-ndarray 

NumPyに 2つの単純な1次元配列があります。numpy.concatenateを使用してそれらを連結できるはずです。しかし、以下のコードでこのエラーが発生します： TypeError：長さ1の配列のみをPythonスカラーに変換できます コード import numpy a = numpy.array([1, 2, 3]) b = numpy.array([5, 6]) numpy.concatenate(a, b) どうして？

266 python  arrays  numpy  concatenation  numpy-ndarray 

わかりました、PIL画像オブジェクトをnumpy配列に前後に変換するので、PILのPixelAccessオブジェクトが許可するよりも速いピクセル単位のピクセル変換を行うことができます。次の方法で、ピクセル情報を便利な3D numpy配列に配置する方法を理解しました。 pic = Image.open("foo.jpg") pix = numpy.array(pic.getdata()).reshape(pic.size[0], pic.size[1], 3) しかし、すごい変換をすべて実行した後、それをPILオブジェクトに読み込む方法を理解できないようです。私はそのputdata()方法を知っていますが、動作するようには思えません。

257 python  image  numpy  python-imaging-library  numpy-ndarray 

違いは何であるndarrayとarraynumpyのでは？そして、numpyソースコードの実装はどこにありますか？

240 python  arrays  numpy  multidimensional-array  numpy-ndarray 

形状が異なるが、長さは同じ（先頭の次元）の2つの乱雑な配列があります。それぞれの要素をシャッフルして、対応する要素が引き続き対応するようにします。 このコードは機能し、私の目標を示しています： def shuffle_in_unison(a, b): assert len(a) == len(b) shuffled_a = numpy.empty(a.shape, dtype=a.dtype) shuffled_b = numpy.empty(b.shape, dtype=b.dtype) permutation = numpy.random.permutation(len(a)) for old_index, new_index in enumerate(permutation): shuffled_a[new_index] = a[old_index] shuffled_b[new_index] = b[old_index] return shuffled_a, shuffled_b 例えば： >>> a = numpy.asarray([[1, 1], [2, 2], [3, 3]]) >>> b = numpy.asarray([1, 2, 3]) …

239 python  numpy  random  shuffle  numpy-ndarray 

私が1d numpy配列を持っているとしましょう a = array([1,0,3]) これを2d 1-hot配列としてエンコードしたい b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]]) これを行う簡単な方法はありますか？迅速にわずかループよりもa一連の要素にbあります、。

227 python  numpy  machine-learning  numpy-ndarray  one-hot-encoding 

シーケンスまたは1次元のnumpy配列のパーセンタイルを計算する便利な方法はありますか？ Excelのパーセンタイル関数に似たものを探しています。 NumPyの統計参照を調べたところ、見つかりませんでした。私が見つけたのは中央値（50パーセンタイル）だけですが、より具体的なものはありません。

214 python  numpy  statistics  numpy-ndarray  percentile 

Pythonでは、どのようにすれば、すべてTrueまたはすべてFalseで満たされた任意の形状の派手な配列を作成できますか？

193 python  arrays  numpy  boolean  numpy-ndarray 

私がしようとすると numpy.newaxis その結果、x軸が0から1の2次元プロットフレームが得られます。しかし、numpy.newaxisベクトルをスライスするのに vector[0:4,] [ 0.04965172 0.04979645 0.04994022 0.05008303] vector[:, np.newaxis][0:4,] [[ 0.04965172] [ 0.04979645] [ 0.04994022] [ 0.05008303]] 行ベクトルを列ベクトルに変更すること以外は同じですか？ 一般的に、の使用方法は何numpy.newaxisですか？また、どのような状況で使用する必要がありますか？

186 python  numpy  multidimensional-array  array-broadcasting  numpy-ndarray 

私はこのような派手な配列を持っています： [1 2 2 0 0 1 3 5] 要素のインデックスを2D配列として取得することは可能ですか？たとえば、上記の入力に対する答えは次のようになります[[3 4], [0 5], [1 2], [6], [], [7]] 現在、私はさまざまな値をループし、各値を呼び出すnumpy.where(input == i)必要があります。これは、十分な大きさの入力でのパフォーマンスが非常に悪いものです。

10 python  numpy  numpy-ndarray