タグ付けされた質問 「numpy」

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 

numpy dtypeがある場合、それを最も近いpythonデータ型に自動的に変換するにはどうすればよいですか？例えば、 numpy.float32 -> "python float" numpy.float64 -> "python float" numpy.uint32 -> "python int" numpy.int16 -> "python int" 私はこれらすべてのケースのマッピングを思い付くように試みることができましたが、numpyはそのdtypeを可能な限り最も近いネイティブのpythonタイプに自動的に変換する方法をいくつか提供していますか？このマッピングは完全である必要はありませんが、Pythonアナログに近い一般的なdtypeを変換する必要があります。私はすでにこれが派手にどこかで起こっていると思います。

238 python  numpy 

n各要素がである長さのNumPy配列を作成する必要がありますv。 より良いものはありますか： a = empty(n) for i in range(n): a[i] = v 私が知っているzerosとones、V Iは、使用することができます= 0、1のために働くだろうv * ones(n)が、それは時に動作しませんvでNone、またはるかに遅くなります。

237 python  arrays  numpy 

私はこうして配列を作成しました： import numpy as np data = np.zeros( (512,512,3), dtype=np.uint8) data[256,256] = [255,0,0] 私がこれにしたいことは、512x512画像の中央に単一の赤い点を表示することです。（少なくとも、そもそも...残りはそこから理解できると思います）

228 python  arrays  image  numpy  data-visualization 

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 

配列からナン値を削除する方法を理解したいと思います。私の配列は次のようになります： x = [1400, 1500, 1600, nan, nan, nan ,1700] #Not in this exact configuration nanから値を削除するにはどうすればよいxですか？

223 python  arrays  numpy  nan 

さまざまな問題を引き起こしているコードの論理的なバグを発見しました。私はうっかりやっていたビット単位のANDの代わりに、論理AND。 私はコードを次のように変更しました： r = mlab.csv2rec(datafile, delimiter=',', names=COL_HEADERS) mask = ((r["dt"] >= startdate) & (r["dt"] <= enddate)) selected = r[mask] に： r = mlab.csv2rec(datafile, delimiter=',', names=COL_HEADERS) mask = ((r["dt"] >= startdate) and (r["dt"] <= enddate)) selected = r[mask] 驚いたことに、私はかなり不可解なエラーメッセージを受け取りました。 ValueError：複数の要素を持つ配列の真理値があいまいです。a.any（）またはa.all（）を使用します ビット単位の演算を使用すると、同様のエラーが出力されなかったのはなぜですか？これを修正するにはどうすればよいですか？

221 python  numpy 

私はいくつかの大学の授業を受けており、「説明用のアカウント」を与えられています。これは、sshを使用して作業を行うことができる学校のアカウントです。そのマシンで計算集中型のNumpy、matplotlib、scipyコードを実行したいのですが、システム管理者ではないため、これらのモジュールをインストールできません。 どうすればインストールできますか？

220 python  numpy  pip 

nansとinf / -infの値をリセットせずにpandas DataFrameから削除する最も簡単な方法は何mode.use_inf_as_nullですか？私が使用できるようにしたいと思いますsubsetとhowの議論をdropnaしている場合を除き、inf同様に、不足していると考えられた値： df.dropna(subset=["col1", "col2"], how="all", with_inf=True) これは可能ですか？欠損値の定義dropnaに含めるように指示する方法はありinfますか？

219 python  numpy  scipy  pandas 

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 

どうすれば派手な配列から特定の要素を削除できますか？私が持っていると言います import numpy as np a = np.array([1,2,3,4,5,6,7,8,9]) 次に、から削除3,4,7しaます。私が知っているのは、値のインデックス（index=[2,3,6]）だけです。

212 python  arrays  numpy 

1つのNumPy配列のノルムが欲しいのですが。より具体的には、この関数の同等のバージョンを探しています def normalize(v): norm = np.linalg.norm(v) if norm == 0: return v return v / norm skearnまたはそのようなものはありますかnumpy？ この関数vは、が0ベクトルである状況で機能します。

203 python  numpy  scikit-learn  statistics  normalization 

pandas dataframeテキスト文字列の1つの列にカンマ区切りの値が含まれているがあります。各CSVフィールドを分割し、エントリごとに新しい行を作成します（CSVはクリーンで、 '、'でのみ分割する必要があると想定しています）。たとえば、次のaようになりbます。 In [7]: a Out[7]: var1 var2 0 a,b,c 1 1 d,e,f 2 In [8]: b Out[8]: var1 var2 0 a 1 1 b 1 2 c 1 3 d 2 4 e 2 5 f 2 これまでにさまざまな簡単な関数を試しましたが、この.applyメソッドを軸で使用すると、戻り値として1行しか受け入れられないようで.transform、作業できません。どんな提案も大歓迎です！ データの例： from pandas import DataFrame import numpy as np a …

200 python  pandas  numpy  dataframe 

およそ次のように与えられるデータセットがあるとしましょう import numpy as np x = np.linspace(0,2*np.pi,100) y = np.sin(x) + np.random.random(100) * 0.2 したがって、データセットの20％の変動があります。私の最初のアイデアはscipyのUnivariateSpline関数を使用することでしたが、問題は小さなノイズを適切に考慮していないことです。周波数を考慮すると、背景は信号よりもはるかに小さいため、カットオフのみのスプラインが考えられるかもしれませんが、前後にフーリエ変換を行うため、動作が悪くなる可能性があります。別の方法は移動平均ですが、これには遅延の正しい選択も必要です。 この問題に取り組むためのヒント/本またはリンクはありますか？

200 python  numpy  scipy  signal-processing  data-processing