คำถามติดแท็ก numpy

เราเริ่มต้นอาร์เรย์ numpy ด้วยศูนย์ดังต่อไปนี้: np.zeros((N,N+1)) แต่เราจะตรวจสอบได้อย่างไรว่าองค์ประกอบทั้งหมดในเมทริกซ์อาร์เรย์ n * n จำนวนที่กำหนดเป็นศูนย์หรือไม่ วิธีการเพียงแค่ต้องคืนค่า True หากค่าทั้งหมดเป็นศูนย์จริง ๆ

93 python  numpy 

ฉันใช้ Python และ Numpy เพื่อคำนวณพหุนามที่เหมาะสมที่สุดของการศึกษาระดับปริญญาโดยพลการ ฉันส่งรายการค่า x ค่า y และระดับของพหุนามที่ฉันต้องการให้พอดี (เชิงเส้นกำลังสอง ฯลฯ ) สิ่งนี้ได้ผลมาก แต่ฉันก็ต้องการคำนวณ r (สัมประสิทธิ์สหสัมพันธ์) และ r-squared (สัมประสิทธิ์การกำหนด) ฉันกำลังเปรียบเทียบผลลัพธ์ของฉันกับความสามารถของเส้นแนวโน้มที่เหมาะสมที่สุดของ Excel และค่า r-squared ที่คำนวณ เมื่อใช้สิ่งนี้ฉันรู้ว่าฉันกำลังคำนวณ r-squared อย่างถูกต้องสำหรับ linear best-fit (องศาเท่ากับ 1) อย่างไรก็ตามฟังก์ชันของฉันใช้ไม่ได้กับพหุนามที่มีระดับมากกว่า 1 Excel สามารถทำได้ ฉันจะคำนวณ r-squared สำหรับพหุนามลำดับสูงกว่าโดยใช้ Numpy ได้อย่างไร นี่คือหน้าที่ของฉัน: import numpy # Polynomial Regression def polyfit(x, y, …

93 python  math  statistics  numpy  curve-fitting 

ฉันสับสนมากเกี่ยวกับวิธีกำหนดแกน python และอ้างถึงแถวหรือคอลัมน์ของ DataFrame หรือไม่ พิจารณารหัสด้านล่าง: >>> 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 ดังนั้นถ้าเราเรียกdf.mean(axis=1)เราจะได้ค่าเฉลี่ยในแถว: >>> df.mean(axis=1) 0 …

93 python  arrays  pandas  numpy  dataframe 

ฉันกำลังดิ้นรนเพื่อเลือกคอลัมน์เฉพาะต่อแถวของเมทริกซ์ NumPy สมมติว่าฉันมีเมทริกซ์ต่อไปนี้ซึ่งฉันจะเรียกX: [1, 2, 3] [4, 5, 6] [7, 8, 9] ฉันยังมีlistดัชนีคอลัมน์ต่อทุกแถวที่ฉันจะเรียกY: [1, 0, 2] ฉันต้องการรับค่า: [2] [4] [9] แทนที่จะใช้listดัชนีYฉันยังสามารถสร้างเมทริกซ์ที่มีรูปร่างเหมือนกับXโดยที่ทุกคอลัมน์เป็นbool/ intในค่าช่วง 0-1 ซึ่งระบุว่านี่เป็นคอลัมน์ที่ต้องการหรือไม่ [0, 1, 0] [1, 0, 0] [0, 0, 1] ฉันรู้ว่าสิ่งนี้สามารถทำได้ด้วยการวนซ้ำอาร์เรย์และเลือกค่าคอลัมน์ที่ฉันต้องการ อย่างไรก็ตามสิ่งนี้จะถูกเรียกใช้บ่อยในอาร์เรย์ข้อมูลขนาดใหญ่และนั่นคือเหตุผลที่ต้องทำงานให้เร็วที่สุดเท่าที่จะทำได้ ฉันจึงสงสัยว่ามีทางออกที่ดีกว่านี้หรือไม่?

93 python  python-2.7  numpy 

ฉันกำลังอ่าน CSV ที่มีตัวเลขลอยดังนี้: Bob,0.085 Alice,0.005 และนำเข้าสู่ dataframe และเขียน dataframe นี้ไปยังตำแหน่งใหม่ df = pd.read_csv(orig) df.to_csv(pandasfile) ตอนนี้pandasfileมี: Bob,0.085000000000000006 Alice,0.0050000000000000001 เกิดอะไรขึ้น? บางทีฉันอาจต้องแคสต์เป็นประเภทอื่นเช่น float32 หรืออะไร? Im ใช้หมีแพนด้า 0.9.0และ1.6.2 numpy

93 python  numpy  pandas 

ฉันพยายามเรียกใช้โค้ดง่ายๆต่อไปนี้ import scipy scipy.test() แต่ฉันได้รับข้อผิดพลาดต่อไปนี้ Traceback (most recent call last): File "<stdin>", line 1, in <module> File "C:\Python27\lib\site-packages\spyderlib\widgets\externalshell\sitecustomize.py", line 586, in runfile execfile(filename, namespace) File "C:/Users/Mustafa/Documents/My Python Code/SpectralGraphAnalysis/main.py", line 8, in <module> import scipy File "C:\Python27\lib\site-packages\scipy\__init__.py", line 61, in <module> from numpy._distributor_init import NUMPY_MKL # requires numpy+mkl ImportError: cannot import …

92 python  windows  python-2.7  numpy  scipy 

ใน numpy / scipy ฉันมีภาพเก็บไว้ในอาร์เรย์ ฉันสามารถแสดงได้ฉันต้องการบันทึกโดยsavefig ไม่มีขอบแกนป้ายชื่อเรื่อง ... เป็นเพียงภาพที่บริสุทธิ์ไม่มีอะไรอื่น ฉันต้องการหลีกเลี่ยงแพ็กเกจเช่นPyPNGหรือscipy.misc.imsaveบางครั้งก็มีปัญหา (ไม่ได้ติดตั้งได้ดีเสมอไป แต่เป็นพื้นฐานsavefig()สำหรับฉันเท่านั้น

92 python  image  numpy  matplotlib  scipy 

ในจำนวนหนึ่งสามารถใช้อ็อบเจ็กต์ 'newaxis' ในไวยากรณ์การแบ่งส่วนเพื่อสร้างแกนที่มีความยาวได้เช่น: import numpy as np print np.zeros((3,5))[:,np.newaxis,:].shape # shape will be (3,1,5) รัฐเอกสารที่หนึ่งยังสามารถใช้Noneแทนnewaxisผลที่ออกมาจะตรงเดียวกัน มีเหตุผลอะไรที่ต้องเลือกอย่างใดอย่างหนึ่ง? มีคำแนะนำทั่วไปหรือสไตล์หรือไม่? ความประทับใจของฉันคือnewaxisได้รับความนิยมมากขึ้นอาจเป็นเพราะมีความชัดเจนมากกว่า มีเหตุผลใดNoneบ้างที่อนุญาต?

92 python  numpy 

ฉันมีnumpyอาร์เรย์2D มีวิธีสร้างมุมมองที่จะรวมkแถวแรกและคอลัมน์ทั้งหมดหรือไม่ ประเด็นคือหลีกเลี่ยงการคัดลอกข้อมูลพื้นฐาน (อาร์เรย์มีขนาดใหญ่มากจนไม่สามารถทำสำเนาบางส่วนได้)

92 python  numpy  scikits 

ในบทช่วยสอนสำหรับผู้เริ่มต้น MNISTมีคำสั่ง accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) tf.castโดยทั่วไปจะเปลี่ยนประเภทของเทนเซอร์ที่วัตถุคือ แต่อะไรคือความแตกต่างระหว่างtf.reduce_meanและnp.mean? นี่คือเอกสารเกี่ยวกับtf.reduce_mean: reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None) input_tensor: เทนเซอร์ที่จะลด ควรมีประเภทตัวเลข reduction_indices: ขนาดที่จะลด ถ้าNone(defaut) ลดขนาดทั้งหมด # '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.] สำหรับเวกเตอร์ 1D ดูเหมือนว่าแต่ผมไม่เข้าใจสิ่งที่เกิดขึ้นในnp.mean == tf.reduce_mean เป็นเรื่องที่สมเหตุสมผลเนื่องจากมีค่าเฉลี่ยและเป็นแต่เกิดอะไรขึ้นกับ?tf.reduce_mean(x, 1) ==> …

92 python  numpy  machine-learning  mean  tensorflow 

ฉันจะสร้างตัวเลขสุ่มที่ไม่ซ้ำซากเป็นตัวเลขได้อย่างไร list = np.random.random_integers(20,size=(10))

92 random  numpy  numbers  non-repetitive 

มีวิธีง่ายๆในการแทนที่ค่าลบทั้งหมดในอาร์เรย์ด้วย 0 หรือไม่? ฉันมีบล็อกที่สมบูรณ์เกี่ยวกับวิธีการใช้อาร์เรย์ NumPy เช่น a = array([1, 2, 3, -4, 5]) ฉันต้องกลับ [1, 2, 3, 0, 5] a < 0 ให้: [False, False, False, True, False] นี่คือจุดที่ฉันติดอยู่ - วิธีใช้อาร์เรย์นี้เพื่อแก้ไขอาร์เรย์ดั้งเดิม

91 python  numpy 

ฉันกำลังรอให้นักพัฒนารายอื่นทำโค้ดให้เสร็จซึ่งจะคืนค่าอาร์เรย์ np ของรูปร่าง (100,2000) ด้วยค่า -1,0 หรือ 1 ในระหว่างนี้ฉันต้องการสร้างอาร์เรย์ที่มีลักษณะเดียวกันแบบสุ่มเพื่อที่ฉันจะได้เริ่มต้นพัฒนาและทดสอบได้ สิ่งนี้คือฉันต้องการให้อาร์เรย์ที่สร้างแบบสุ่มนี้เหมือนกันทุกครั้งเพื่อที่ฉันจะได้ไม่ทดสอบกับอาร์เรย์ที่เปลี่ยนค่าไปเรื่อย ๆ ทุกครั้งที่ฉันรันกระบวนการของฉันใหม่ ฉันสามารถสร้างอาร์เรย์ของฉันแบบนี้ได้ แต่มีวิธีสร้างอาร์เรย์ให้เหมือนกันทุกครั้งหรือไม่ ฉันสามารถดองวัตถุและปลดเปลื้องได้ แต่สงสัยว่ามีวิธีอื่นหรือไม่ r = np.random.randint(3, size=(100, 2000)) - 1

91 python  random  numpy 

logical_orฟังก์ชันของ Numpy ใช้อาร์เรย์ไม่เกินสองอาร์เรย์ในการเปรียบเทียบ ฉันจะหาการรวมกันของอาร์เรย์มากกว่าสองอาร์เรย์ได้อย่างไร (คำถามเดียวกันนี้สามารถถามได้เกี่ยวกับ Numpy logical_andและการได้รับจุดตัดของอาร์เรย์มากกว่าสองอาร์เรย์)

91 python  arrays  numpy 

ฉันมีดาต้าเฟรมแพนด้า (นี่เป็นเพียงชิ้นส่วนเล็ก ๆ น้อย ๆ ) >>> d1 y norm test y norm train len(y_train) len(y_test) \ 0 64.904368 116.151232 1645 549 1 70.852681 112.639876 1645 549 SVR RBF \ 0 (35.652207342877873, 22.95533537448393) 1 (39.563683797747622, 27.382483096332511) LCV \ 0 (19.365430594452338, 13.880062435173587) 1 (19.099614489458364, 14.018867136617146) RIDGE CV \ 0 (4.2907610988480362, 12.416745648065584) …

91 python  numpy  pandas  dataframe  tuples