คำถามติดแท็ก elementwise-operations

วิธีที่ง่ายที่สุดในการเปรียบเทียบสอง NumPy คืออาร์เรย์สำหรับความเท่าเทียมกัน (ที่ความเท่าเทียมกันถูกกำหนดเป็น: A = B iff สำหรับดัชนีทั้งหมด i:) A[i] == B[i]? การใช้เพียงแค่==ให้ฉันเป็นบูลีนอาเรย์: >>> numpy.array([1,1,1]) == numpy.array([1,1,1]) array([ True, True, True], dtype=bool) ฉันต้องandพิจารณาองค์ประกอบของอาร์เรย์นี้เพื่อตรวจสอบว่าอาร์เรย์มีค่าเท่ากันหรือมีวิธีที่ง่ายกว่าในการเปรียบเทียบหรือไม่

252 python  arrays  numpy  elementwise-operations 

ฉันมีตอนนี้: list1 = [1, 2, 3] list2 = [4, 5, 6] ฉันต้องการที่จะมี: [1, 2, 3] + + + [4, 5, 6] || || || [5, 7, 9] เป็นเพียงการเพิ่มองค์ประกอบสองรายการอย่างชาญฉลาด แน่นอนฉันสามารถย้ำสองรายการ แต่ฉันไม่ต้องการทำอย่างนั้น คืออะไร วิธีที่ Pythonic ที่สุดของการทำเพื่อ?

244 python  list  elementwise-operations 

ฉันต้องการทำการคูณองค์ประกอบที่ชาญฉลาดเพื่อคูณสองรายการด้วยค่าใน Python เหมือนกับที่เราสามารถทำได้ใน Matlab นี่คือวิธีที่ฉันจะทำใน Matlab a = [1,2,3,4] b = [2,3,4,5] a .* b = [2, 6, 12, 20] ความเข้าใจจะให้รายการ 16 รายการรายการสำหรับการรวมกันทุกx * yของxจากaและจากy bไม่แน่ใจวิธีแผนที่นี้ Numpy.linspace(1.0, 0.5, num=len(dataset)) =)หากใครสนใจว่าทำไมฉันมีชุดข้อมูลและต้องการที่จะคูณด้วย

137 python  list  multiplying  elementwise-operations 

ฉันมีเมทริกซ์สองตัว a = np.matrix([[1,2], [3,4]]) b = np.matrix([[5,6], [7,8]]) และฉันต้องการได้ผลิตภัณฑ์ที่เป็นองค์ประกอบอย่าง[[1*5,2*6], [3*7,4*8]]เท่าเทียมกัน [[5,12], [21,32]] ฉันเหนื่อย print(np.dot(a,b)) และ print(a*b) แต่ทั้งสองให้ผลลัพธ์ [[19 22], [43 50]] ซึ่งเป็นผลิตภัณฑ์เมทริกซ์ไม่ใช่ผลิตภัณฑ์ที่เป็นองค์ประกอบ ฉันจะรับผลิตภัณฑ์ที่มีองค์ประกอบ (หรือที่เรียกว่าผลิตภัณฑ์ Hadamard) โดยใช้ฟังก์ชันในตัวได้อย่างไร

110 python  numpy  matrix  matrix-multiplication  elementwise-operations 

ฉันได้เขียนโค้ดสกาล่าเพื่อดำเนินการองค์ประกอบที่ชาญฉลาดในคอลเลกชัน ที่นี่ฉันกำหนดสองวิธีที่ทำงานเดียวกัน วิธีการหนึ่งการใช้งานและการใช้งานอื่นzip ๆzipped def ES (arr :Array[Double], arr1 :Array[Double]) :Array[Double] = arr.zip(arr1).map(x => x._1 + x._2) def ES1(arr :Array[Double], arr1 :Array[Double]) :Array[Double] = (arr,arr1).zipped.map((x,y) => x + y) เพื่อเปรียบเทียบสองวิธีนี้ในแง่ของความเร็วฉันเขียนโค้ดต่อไปนี้: def fun (arr : Array[Double] , arr1 : Array[Double] , f :(Array[Double],Array[Double]) => Array[Double] , itr : Int) ={ val …

38 scala  performance  scala-collections  jmh  elementwise-operations