คำถามติดแท็ก numpy

ฉันต้องการแปลงอาร์เรย์ 1 มิติเป็นอาร์เรย์ 2 มิติโดยระบุจำนวนคอลัมน์ในอาร์เรย์ 2 มิติ สิ่งที่จะได้ผลเช่นนี้: > import numpy as np > A = np.array([1,2,3,4,5,6]) > B = vec2matrix(A,ncol=2) > B array([[1, 2], [3, 4], [5, 6]]) numpy มีฟังก์ชันที่เหมือนกับฟังก์ชัน "vec2matrix" ของฉันหรือไม่ (ฉันเข้าใจว่าคุณสามารถสร้างดัชนีอาร์เรย์ 1D ได้เช่นอาร์เรย์ 2 มิติ แต่นั่นไม่ใช่ตัวเลือกในโค้ดที่ฉันมี - ฉันจำเป็นต้องทำการแปลงนี้)

118 python  arrays  matrix  numpy  multidimensional-array 

ฉันได้รับข้อผิดพลาดต่อไปนี้ขณะพยายามนำเข้าจาก sklearn: >>> from sklearn import svm Traceback (most recent call last): File "<pyshell#17>", line 1, in <module> from sklearn import svm File "C:\Python27\lib\site-packages\sklearn\__init__.py", line 16, in <module> from . import check_build ImportError: cannot import name check_build ฉันใช้ python 2.7, scipy-0.12.0b1 superpack, numpy-1.6.0 superpack, scikit-learn-0.11 ฉันมีเครื่อง windows 7 ฉันได้ตรวจสอบคำตอบหลายข้อสำหรับปัญหานี้ แต่ไม่มีคำตอบใดให้ทางออกจากข้อผิดพลาดนี้

117 python  numpy  scipy  scikit-learn 

วิธีการแปลงไฟล์ ["1.1", "2.2", "3.2"] ถึง [1.1, 2.2, 3.2] ใน NumPy?

117 python  numpy 

คุณช่วยแนะนำฟังก์ชันโมดูลจาก numpy / scipy ที่สามารถค้นหา local maxima / minima ในอาร์เรย์ 1D numpy ได้หรือไม่ เห็นได้ชัดว่าวิธีการที่ง่ายที่สุดคือการดูเพื่อนบ้านที่ใกล้ที่สุด แต่ฉันต้องการวิธีแก้ปัญหาที่เป็นที่ยอมรับซึ่งเป็นส่วนหนึ่งของ numpy distro

116 python  numpy 

ในคำถามอื่นผู้ใช้รายอื่นเสนอความช่วยเหลือหากฉันสามารถจัดหาอาร์เรย์ที่ฉันประสบปัญหาได้ อย่างไรก็ตามฉันยังล้มเหลวในงาน I / O พื้นฐานเช่นการเขียนอาร์เรย์ไปยังไฟล์ ใครช่วยอธิบายได้ไหมว่าฉันจะต้องเขียนอาร์เรย์ numpy ขนาด 4x11x14 ลงในไฟล์ อาร์เรย์นี้ประกอบด้วยอาร์เรย์ 11 x 14 สี่อาร์เรย์ดังนั้นฉันควรจัดรูปแบบด้วยบรรทัดใหม่ที่ดีเพื่อให้ผู้อื่นอ่านไฟล์ได้ง่ายขึ้น แก้ไข : ฉันได้ลองใช้ฟังก์ชัน numpy.savetxt แล้ว มันทำให้เกิดข้อผิดพลาดต่อไปนี้: TypeError: float argument required, not numpy.ndarray ฉันคิดว่านี่เป็นเพราะฟังก์ชันไม่ทำงานกับอาร์เรย์หลายมิติ? วิธีแก้ปัญหาใด ๆ ตามที่ฉันต้องการภายในไฟล์เดียวหรือไม่

116 python  file-io  numpy 

ฉันต้องการคัดลอกอาร์เรย์ 2D ที่เป็นตัวเลขเป็นมิติที่สาม ตัวอย่างเช่นกำหนดอาร์เรย์ numpy (2D): import numpy as np arr = np.array([[1,2],[1,2]]) # arr.shape = (2, 2) แปลงเป็นเมทริกซ์ 3 มิติด้วย N สำเนาดังกล่าวในมิติใหม่ ดำเนินการarrกับ N = 3 ผลลัพธ์ควรเป็น: new_arr = np.array([[[1,2],[1,2]],[[1,2],[1,2]],[[1,2],[1,2]]]) # new_arr.shape = (3, 2, 2)

116 python  arrays  numpy 

ฉันประสบปัญหาในการจัดสรรอาร์เรย์ขนาดใหญ่เป็นจำนวนมากบน Ubuntu 18 ในขณะที่ไม่ประสบปัญหาเดียวกันใน MacOS ฉันพยายามจัดสรรหน่วยความจำสำหรับอาร์เรย์ numpy ที่มีรูปร่าง(156816, 36, 53806) ด้วย np.zeros((156816, 36, 53806), dtype='uint8') และในขณะที่ฉันได้รับข้อผิดพลาดบน Ubuntu OS >>> import numpy as np >>> np.zeros((156816, 36, 53806), dtype='uint8') Traceback (most recent call last): File "<stdin>", line 1, in <module> numpy.core._exceptions.MemoryError: Unable to allocate array with shape (156816, 36, 53806) and …

116 python  numpy  data-science 

ฉันพยายามที่จะดำเนินการเช่นการจัดหมวดหมู่ไบนารีโดยใช้ชุดข้อมูลที่ไอเอ็มในGoogle Colab ฉันเคยใช้โมเดลนี้มาก่อน แต่เมื่อฉันพยายามทำอีกครั้งหลังจากผ่านไปสองสามวันมันกลับมีข้อผิดพลาดค่า: 'Object arrays ไม่สามารถโหลดได้เมื่อ allow_pickle = False' สำหรับฟังก์ชัน load_data () ฉันได้ลองแก้ปัญหานี้แล้วโดยอ้างถึงคำตอบที่มีอยู่สำหรับปัญหาที่คล้ายกัน: วิธีแก้ไข 'Object arrays ไม่สามารถโหลดได้เมื่อ allow_pickle = False' ในอัลกอริทึม sketch_rnn แต่ปรากฎว่าการเพิ่มอาร์กิวเมนต์ allow_pickle นั้นไม่เพียงพอ รหัสของฉัน: from keras.datasets import imdb (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) ข้อผิดพลาด: ValueError Traceback (most recent call last) <ipython-input-1-2ab3902db485> in <module>() 1 from keras.datasets …

114 python  numpy  keras 

ฉันมีภาพ RGB ฉันต้องการแปลงเป็นอาร์เรย์ numpy ฉันทำสิ่งต่อไปนี้ im = cv.LoadImage("abc.tiff") a = numpy.asarray(im) มันสร้างอาร์เรย์ที่ไม่มีรูปร่าง ฉันคิดว่ามันเป็นวัตถุ iplimage

114 python  image  opencv  numpy 

มีวิธีง่ายๆในการสร้างดัชนีองค์ประกอบทั้งหมดของรายการ (หรืออาร์เรย์หรืออะไรก็ตาม) ยกเว้นดัชนีเฉพาะหรือไม่? เช่น, mylist[3] จะส่งคืนสินค้าในตำแหน่งที่ 3 milist[~3] จะส่งคืนรายการทั้งหมดยกเว้น 3

113 python  list  numpy  indexing 

numpy.amax ()จะพบค่าสูงสุดในอาร์เรย์และnumpy.amin ()ทำเช่นเดียวกันสำหรับค่าต่ำสุด ถ้าฉันต้องการค้นหาทั้ง max และ min ฉันต้องเรียกใช้ทั้งสองฟังก์ชันซึ่งต้องผ่านอาร์เรย์ (ใหญ่มาก) สองครั้งซึ่งดูเหมือนจะช้า มีฟังก์ชันใน numpy API ที่ค้นหาทั้งสูงสุดและต่ำสุดด้วยการส่งผ่านข้อมูลเพียงครั้งเดียวหรือไม่

113 python  numpy 

ฉันต้องการใช้การวิเคราะห์องค์ประกอบหลัก (PCA) สำหรับการลดขนาด มี numpy หรือ scipy อยู่แล้วหรือต้องม้วนเองโดยใช้numpy.linalg.eigh? ฉันไม่เพียงต้องการใช้การสลายตัวของค่าเอกพจน์ (SVD) เพราะข้อมูลอินพุตของฉันค่อนข้างมีมิติสูง (~ 460 มิติ) ดังนั้นฉันคิดว่า SVD จะช้ากว่าการคำนวณหาค่าเอกพจน์ของเมทริกซ์ความแปรปรวนร่วม ฉันหวังว่าจะได้พบกับการใช้งานที่แก้ไขจุดบกพร่องไว้ล่วงหน้าซึ่งได้ทำการตัดสินใจที่ถูกต้องแล้วว่าจะใช้วิธีใดและอาจเป็นการเพิ่มประสิทธิภาพอื่น ๆ ที่ฉันไม่รู้

112 python  numpy  scipy  pca 

ฉันต้องการใช้อาร์เรย์ numpy ในหน่วยความจำที่ใช้ร่วมกันเพื่อใช้กับโมดูลมัลติโปรเซสเซอร์ ความยากคือการใช้มันเหมือนกับอาร์เรย์ numpy ไม่ใช่แค่อาร์เรย์ ctypes from multiprocessing import Process, Array import scipy def f(a): a[0] = -a[0] if __name__ == '__main__': # Create the array N = int(10) unshared_arr = scipy.rand(N) arr = Array('d', unshared_arr) print "Originally, the first two elements of arr = %s"%(arr[:2]) # Create, start, …

112 python  numpy  multiprocessing  shared 

ฉันมีข้อมูลตัวอย่างที่ฉันต้องการคำนวณช่วงความเชื่อมั่นโดยสมมติว่าเป็นการแจกแจงปกติ ฉันพบและติดตั้งแพ็คเกจ numpy และ scipy แล้วและได้รับ numpy เพื่อส่งกลับค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน (numpy.mean (data) โดยมีข้อมูลเป็นรายการ) คำแนะนำใด ๆ ในการรับช่วงความมั่นใจตัวอย่างจะได้รับการชื่นชมมาก

112 python  numpy  statistics  confidence-interval 

ดูเหมือนว่าจะไม่มีฟังก์ชันใดที่เพียงแค่คำนวณค่าเฉลี่ยเคลื่อนที่บน numpy / scipy ซึ่งนำไปสู่ การแก้ปัญหาที่ซับซ้อน คำถามของฉันมีสองเท่า: วิธีใดที่ง่ายที่สุดในการใช้ค่าเฉลี่ยเคลื่อนที่ด้วย numpy (อย่างถูกต้อง) เนื่องจากสิ่งนี้ดูเหมือนจะไม่สำคัญและเกิดข้อผิดพลาดมีเหตุผลที่ดีที่จะไม่รวมแบตเตอรี่ในกรณีนี้หรือไม่?

111 python  numpy  scipy  time-series  moving-average