タグ付けされた質問 「numpy」

numpy配列を次のようにゼロで初期化します。 np.zeros((N,N+1)) しかし、与えられたn * n numpy配列行列のすべての要素がゼロであるかどうかをどのようにチェックするのですか？ すべての値が実際にゼロの場合、メソッドはTrueを返すだけです。

92 python  numpy 

numpy / scipyには、画像が配列に格納されています。表示できます。境界線、軸、ラベル、タイトルなどを使用savefig せずに保存したいと思います。純粋な画像だけで、他には何もありません。 PyPNGまたはのようなパッケージは避けたいのですがscipy.misc.imsave、問題が発生することがあります（常にうまくインストールされるとは限らずsavefig()、私にとっては基本的なものにすぎません）

92 python  image  numpy  matplotlib  scipy 

関数の導関数を計算するにはどうすればよいですか。 y = x 2 +1 使用してnumpy？ たとえば、x = 5での導関数の値が欲しいとしましょう...

91 python  math  numpy 

numpyでは、スライス構文で 'newaxis'オブジェクトを使用して、長さが1の軸を作成できます。例： import numpy as np print np.zeros((3,5))[:,np.newaxis,:].shape # shape will be (3,1,5) ドキュメントの状態 1にも使用することができますNone代わりにnewaxis、効果はまったく同じです。 どちらかを選択する理由はありますか？一般的な好みやスタイルガイドはありますか？私の印象はnewaxis、おそらくそれがよりはっきりしているためか、より人気があります。では、なぜNone許可されるのですか？

91 python  numpy 

Python軸がどのように定義されているか、そしてそれらがDataFrameの行または列を参照しているかどうかについて私は非常に混乱しています。以下のコードを検討してください。 >>> df = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]], columns=["col1", "col2", "col3", "col4"]) >>> df col1 col2 col3 col4 0 1 1 1 1 1 2 2 2 2 2 3 3 3 3 したがって、を呼び出すとdf.mean(axis=1)、行全体の平均が得られます。 >>> df.mean(axis=1) 0 1 1 2 2 3 …

91 python  arrays  pandas  numpy  dataframe 

2D numpy配列があります。最初のk行とすべての列を含むビューを作成する方法はありますか？ 重要なのは、基になるデータのコピーを回避することです（配列が大きすぎるため、部分的なコピーを作成することはできません）。

90 python  numpy  scikits 

私は最近、このソリューションをN行ごとの行列の平均に適用しました。ソリューションは一般的に機能しますが、7x1アレイに適用すると問題が発生しました。-=オペレーター使用時の問題だと気づきました。小さな例を作るには： import numpy as np a = np.array([1,2,3]) b = np.copy(a) a[1:] -= a[:-1] b[1:] = b[1:] - b[:-1] print a print b 出力： [1 1 2] [1 1 1] したがって、配列の場合、とはa -= b異なる結果が生成されa = a - bます。これまでは、この2つの方法はまったく同じだと思っていました。違いはなんですか？ マトリックスのN行ごとに合計するために言及している方法が、たとえば7x4マトリックスでは機能するが7x1アレイでは機能しないのはなぜですか？

90 python  arrays  numpy  variable-assignment  in-place 

でMNIST初心者チュートリアル、ステートメントがあります accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) tf.cast基本的にオブジェクトがあるが、違いは何であるテンソルの種類を変更tf.reduce_meanしてはnp.mean？ ここにドキュメントがありtf.reduce_meanます： reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None) input_tensor：削減するテンソル。数値型である必要があります。 reduction_indices：削減する寸法。None（デフォルト）の場合、すべての寸法が縮小されます。 # 'x' is [[1., 1. ]] # [2., 2.]] tf.reduce_mean(x) ==> 1.5 tf.reduce_mean(x, 0) ==> [1.5, 1.5] tf.reduce_mean(x, 1) ==> [1., 2.] 1Dベクトルの場合はのように見えますがnp.mean == tf.reduce_mean、で何が起こっているのか理解できませんtf.reduce_mean(x, 1) ==> [1., 2.]。tf.reduce_mean(x, 0) ==> [1.5, 1.5]種類作るのは、平均するので、感知[1, 2]と[1, 2]ある[1.5, 1.5]が、何をして起こっているのtf.reduce_mean(x, 1)？

90 python  numpy  machine-learning  mean  tensorflow 

PythonとNumpyを使用して、任意の次数の最適な多項式を計算しています。x値、y値、および適合させたい多項式の次数（線形、二次など）のリストを渡します。 これで十分に機能しますが、r（相関係数）とr-2乗（決定係数）も計算したいと思います。私の結果をExcelの最適な近似曲線機能と計算したr二乗値と比較しています。これを使用して、線形最良適合（次数= 1）に対してr-2乗を正しく計算していることがわかります。ただし、私の関数は次数が1より大きい多項式では機能しません。 Excelはこれを行うことができます。Numpyを使用して高次多項式のr-2乗を計算するにはどうすればよいですか？ これが私の機能です： import numpy # Polynomial Regression def polyfit(x, y, degree): results = {} coeffs = numpy.polyfit(x, y, degree) # Polynomial Coefficients results['polynomial'] = coeffs.tolist() correlation = numpy.corrcoef(x, y)[0,1] # r results['correlation'] = correlation # r-squared results['determination'] = correlation**2 return results

90 python  math  statistics  numpy  curve-fitting 

配列内のすべての負の値を0に置き換える簡単な方法はありますか？ NumPy配列を使用してそれを行う方法について完全なブロックがあります。 例えば a = array([1, 2, 3, -4, 5]) 戻る必要があります [1, 2, 3, 0, 5] a < 0 与える： [False, False, False, True, False] これは私が立ち往生しているところです-この配列を使用して元の配列を変更する方法。

90 python  numpy 

入力データがあるとします。 data = np.random.normal(loc=100,scale=10,size=(500,1,32)) hist = np.ones((32,20)) # initialise hist for z in range(32): hist[z],edges = np.histogram(data[:,0,z],bins=np.arange(80,122,2)) 私はそれを使用してプロットすることができますimshow()： plt.imshow(hist,cmap='Reds') 取得： ただし、x軸の値は入力データと一致しません（つまり、100の平均、80から122の範囲）。したがって、x軸を変更しての値を表示したいと思いますedges。 私が試してみました： ax = plt.gca() ax.set_xlabel([80,122]) # range of values in edges ... # this shifts the plot so that nothing is visible そして ax.set_xticklabels(edges) ... # this labels the …

90 python  numpy  matplotlib 

numpyndarray行列の非NaN要素の数を計算する必要があります。Pythonでこれを効率的に行うにはどうすればよいですか？これを実現するための簡単なコードは次のとおりです。 import numpy as np def numberOfNonNans(data): count = 0 for i in data: if not np.isnan(i): count += 1 return count numpyにこれのための組み込み関数はありますか？私はビッグデータ分析を行っているので、効率は重要です。 助けを求めてThnx！

90 python  numpy  matrix  nan 

x[...]以下の意味は何ですか？ a = np.arange(6).reshape(2,3) for x in np.nditer(a, op_flags=['readwrite']): x[...] = 2 * x

90 python  numpy  iterator 

別の開発者が、-1,0または1の値を持つ形状（100,2000）のnp配列を返すコードを完成させるのを待っています。 それまでの間、同じ特性の配列をランダムに作成して、開発とテストをすぐに開始できるようにしたいと思います。重要なのは、このランダムに作成された配列を毎回同じにしたいので、プロセスを再実行するたびに値が変化し続ける配列に対してテストしないようにすることです。 このように配列を作成できますが、毎回同じになるように配列を作成する方法はありますか。オブジェクトをピクルスにしてピクルスを外すことができますが、別の方法があるかどうか疑問に思います。 r = np.random.randint(3, size=(100, 2000)) - 1

89 python  random  numpy 

生成した散布図で線形回帰を生成しようとしていますが、データはリスト形式であり、使用polyfitする例はすべて、を使用する必要がありarangeます。arangeただし、リストは受け付けません。リストを配列に変換する方法について高低を検索しましたが、何も明確ではないようです。私は何かが足りないのですか？ 続いて、整数のリストをpolyfit？への入力としてどのように使用すればよいですか？ これが私がフォローしているpolyfitの例です： from pylab import * x = arange(data) y = arange(data) m,b = polyfit(x, y, 1) plot(x, y, 'yo', x, m*x+b, '--k') show()

89 python  numpy  matplotlib  linear-regression  curve-fitting