คำถามติดแท็ก numpy

เป็นวิธีที่มีประสิทธิภาพที่สุดในการแมปฟังก์ชั่นมากกว่าอาร์เรย์ numpy คืออะไร? วิธีที่ฉันทำในโครงการปัจจุบันของฉันมีดังนี้: import numpy as np x = np.array([1, 2, 3, 4, 5]) # Obtain array of square of each element in x squarer = lambda t: t ** 2 squares = np.array([squarer(xi) for xi in x]) อย่างไรก็ตามดูเหมือนว่ามันอาจจะไม่มีประสิทธิภาพมากนักเนื่องจากฉันใช้ list comprehension เพื่อสร้าง array ใหม่เป็นรายการ Python ก่อนที่จะแปลงกลับไปเป็น array numpy เราทำได้ดีกว่านี้ไหม

338 python  performance  numpy 

ฉันจะจัดเรียงอาร์เรย์ใน NumPy ตามคอลัมน์ที่ n ได้อย่างไร ตัวอย่างเช่น, a = array([[9, 2, 3], [4, 5, 6], [7, 0, 5]]) ฉันต้องการเรียงลำดับแถวตามคอลัมน์ที่สองเช่นที่ฉันได้รับกลับมา: array([[7, 0, 5], [9, 2, 3], [4, 5, 6]])

336 python  arrays  sorting  numpy  scipy 

มีวิธี numpy-thonic เช่นฟังก์ชันเพื่อหาค่าที่ใกล้ที่สุดในอาร์เรย์หรือไม่ ตัวอย่าง: np.find_nearest( array, value )

336 python  search  numpy 

ฉันอยากรู้ว่ามีวิธีการจัดรูปแบบการพิมพ์numpy.arraysเช่นในลักษณะที่คล้ายกับนี้หรือไม่: x = 1.23456 print '%.3f' % x ถ้าฉันต้องการที่จะพิมพ์numpy.arrayของลอยมันพิมพ์ทศนิยมหลายครั้งมักจะอยู่ในรูปแบบ 'ทางวิทยาศาสตร์' ซึ่งค่อนข้างยากที่จะอ่านแม้สำหรับอาร์เรย์มิติต่ำ แต่เห็นได้ชัดว่าจะต้องมีการพิมพ์เป็นสตริงคือมีnumpy.array %sมีวิธีแก้ปัญหาสำหรับเรื่องนี้หรือไม่?

332 python  numpy  python-2.x  pretty-print 

เมื่อโทรมา df = pd.read_csv('somefile.csv') ฉันเข้าใจ: /Users/josh/anaconda/envs/py27/lib/python2.7/site-packages/pandas/io/parsers.py:1130: DtypeWarning: คอลัมน์ (4,5,7,16) มีประเภทผสม ระบุตัวเลือก dtype ในการนำเข้าหรือตั้งค่า low_memory = False ทำไมdtypeตัวเลือกถึงเกี่ยวข้องlow_memoryและเหตุใดจึงทำให้Falseเกิดปัญหานี้

320 python  parsing  numpy  pandas  dataframe 

ในnumpyการดำเนินการ(R, 1)บางอย่างกลับมาเป็นรูปร่างแต่กลับมา(R,)บ้าง สิ่งนี้จะทำให้การคูณเมทริกซ์น่าเบื่อมากขึ้นเนื่องจากreshapeจำเป็นต้องใช้อย่างชัดเจน ตัวอย่างเช่นได้รับเมทริกซ์Mถ้าเราต้องการที่จะทำnumpy.dot(M[:,0], numpy.ones((1, R)))ที่ไหนRจำนวนแถว (แน่นอนปัญหาเดียวกันยังเกิดขึ้นคอลัมน์ฉลาด) เราจะได้รับmatrices are not alignedข้อผิดพลาดตั้งแต่M[:,0]อยู่ในรูปร่าง(R,)แต่อยู่ในรูปnumpy.ones((1, R))(1, R) ดังนั้นคำถามของฉันคือ: ความแตกต่างระหว่างรูปร่าง(R, 1)กับ(R,)อะไร ฉันรู้ว่ามันคือรายการของตัวเลขและรายการที่ทุกรายการมีเพียงตัวเลข เพียงแค่สงสัยว่าทำไมไม่ออกแบบnumpyเพื่อให้เหมาะกับรูปร่าง(R, 1)แทน(R,)การคูณเมทริกซ์ที่ง่ายขึ้น มีวิธีที่ดีกว่าสำหรับตัวอย่างข้างต้นหรือไม่ โดยไม่มีการปรับรูปร่างอย่างชัดเจน:numpy.dot(M[:,0].reshape(R, 1), numpy.ones((1, R)))

319 python  numpy  matrix  multidimensional-array 

ฉันต้องการที่จะใช้ฟังก์ชั่นที่กำหนดเองของฉัน (จะใช้บันไดถ้า-อื่น) เหล่านี้หกคอลัมน์ ( ERI_Hispanic, ERI_AmerInd_AKNatv, ERI_Asian, ERI_Black_Afr.Amer, ERI_HI_PacIsl, ERI_White) ในแถวของ dataframe ของฉันในแต่ละ ฉันลองใช้วิธีการที่แตกต่างจากคำถามอื่น ๆ แต่ก็ยังหาคำตอบที่เหมาะสมสำหรับปัญหาของฉันไม่ได้ สิ่งสำคัญของเรื่องนี้คือถ้าบุคคลนั้นถูกนับว่าเป็นฮิสแปนิกพวกเขาจะไม่สามารถถูกนับเป็นสิ่งอื่นได้ แม้ว่าพวกเขาจะมี "1" ในคอลัมน์เชื้อชาติอื่นพวกเขายังคงถูกนับว่าเป็นฮิสแปนิกไม่ใช่สองเผ่าพันธุ์หรือมากกว่า ในทำนองเดียวกันหากผลรวมของคอลัมน์ ERI ทั้งหมดมากกว่า 1 พวกเขาจะถูกนับเป็นสองเชื้อชาติหรือมากกว่าและไม่สามารถนับได้ว่าเป็นเชื้อชาติที่ไม่ซ้ำกัน (ยกเว้นฮิสแปนิก) หวังว่านี่จะสมเหตุสมผล ความช่วยเหลือใด ๆ จะได้รับการชื่นชมอย่างมาก มันเกือบจะเหมือนกับการทำลูปผ่านแต่ละแถวและถ้าแต่ละเรคคอร์ดตรงตามเกณฑ์พวกมันจะถูกเพิ่มเข้าไปในรายการเดียวและตัดออกจากต้นฉบับ จาก dataframe ด้านล่างฉันจำเป็นต้องคำนวณคอลัมน์ใหม่ตามข้อมูลจำเพาะต่อไปนี้ใน SQL: ========================= เกณฑ์การตัดสิน ======================== ======= IF [ERI_Hispanic] = 1 THEN RETURN “Hispanic” ELSE IF SUM([ERI_AmerInd_AKNatv] + …

316 python  pandas  numpy  apply 

ฉันมีชื่อไฟล์ตามบรรทัดด้านล่าง: Type Set 1 A Z 2 B Z 3 B X 4 C Y ฉันต้องการเพิ่มคอลัมน์อีกคอลัมน์หนึ่งลงใน dataframe (หรือสร้างชุดข้อมูล) ที่มีความยาวเท่ากับ dataframe (= จำนวนระเบียน / แถวเท่ากัน) ซึ่งตั้งค่าสีเขียวถ้า Set = 'Z' และ 'red' ถ้า Set = เป็นอย่างอื่น . วิธีที่ดีที่สุดในการทำเช่นนี้คืออะไร?

314 python  pandas  numpy  dataframe 

ฉันไม่สามารถหาวิธีใช้อาเรย์หรือเมทริกซ์ในวิธีที่ปกติฉันจะใช้รายการ ฉันต้องการสร้างอาร์เรย์ที่ว่างเปล่า (หรือเมทริกซ์) แล้วเพิ่มหนึ่งคอลัมน์ (หรือแถว) ทีละรายการ ในขณะนี้วิธีเดียวที่ฉันสามารถทำได้คือ: mat = None for col in columns: if mat is None: mat = col else: mat = hstack((mat, col)) ในกรณีที่เป็นรายการฉันจะทำสิ่งนี้: list = [] for item in data: list.append(item) มีวิธีใช้สัญกรณ์แบบนั้นสำหรับอาร์เรย์NumPyหรือเมทริกซ์หรือไม่?

311 python  arrays  numpy 

วิธีการแปลง array numpy จริงเป็น int numpy array? พยายามใช้แผนที่โดยตรงไปยังอาร์เรย์ แต่ไม่ได้ผล

302 python  numpy 

บางคนสามารถอธิบายให้ฉันฟังได้ว่าอะไรคือจุดประสงค์ของmeshgridฟังก์ชั่นใน Numpy? ฉันรู้ว่ามันสร้างกริดพิกัดบางอย่างสำหรับการวางแผน แต่ฉันไม่เห็นประโยชน์โดยตรงของมัน ฉันกำลังศึกษา "Python Machine Learning" จาก Sebastian Raschka และเขาใช้เพื่อวางแผนขอบเขตการตัดสินใจ เห็นอินพุต 11 ที่นี่ ฉันได้ลองใช้รหัสนี้จากเอกสารอย่างเป็นทางการแล้ว แต่ผลลัพธ์ก็ไม่สมเหตุสมผลสำหรับฉัน x = np.arange(-5, 5, 1) y = np.arange(-5, 5, 1) xx, yy = np.meshgrid(x, y, sparse=True) z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2) h = plt.contourf(x,y,z) กรุณาถ้าเป็นไปได้แสดงตัวอย่างจริงมากมายให้ฉันด้วย

302 python  numpy  multidimensional-array  mesh  numpy-ndarray 

ความแตกต่างระหว่าง Numpy คืออะไรarray()และasarray()ฟังก์ชั่น? คุณควรใช้อันใดอันหนึ่งมากกว่าอันอื่น ดูเหมือนว่าพวกเขาจะสร้างผลลัพธ์ที่เหมือนกันสำหรับอินพุตทั้งหมดที่ฉันคิดได้

297 python  arrays  numpy 

ฉันจะแปลงอาร์เรย์NumPyเป็นรายการ Python (ตัวอย่าง[[1,2,3],[4,5,6]]) ได้อย่างไรและทำได้เร็วพอสมควร

297 python  numpy 

import numpy as np y = np.array(((1,2,3),(4,5,6),(7,8,9))) OUTPUT: print(y.flatten()) [1 2 3 4 5 6 7 8 9] print(y.ravel()) [1 2 3 4 5 6 7 8 9] ฟังก์ชั่นทั้งสองกลับรายการเดียวกัน แล้วความต้องการของสองฟังก์ชันที่แตกต่างกันคืออะไรที่ทำหน้าที่เดียวกัน

292 python  numpy  multidimensional-array  flatten  numpy-ndarray 

สมมติว่าฉันมีอาร์เรย์ NumPy a: a = np.array([ [1, 2, 3], [2, 3, 4] ]) และฉันต้องการเพิ่มคอลัมน์ศูนย์เพื่อรับอาร์เรย์b: b = np.array([ [1, 2, 3, 0], [2, 3, 4, 0] ]) ฉันจะทำสิ่งนี้ได้อย่างง่ายดายใน NumPy

292 python  numpy