Étant donné un tableau NumPy A , quel est le moyen le plus rapide / le plus efficace d'appliquer la même fonction, f , à chaque cellule? Supposons que l'on attribue à A (i, j) le f (A (i, j)) . La fonction, f , n'a pas de sortie binaire, …
Supposons que j'ai un grand tableau numpy en mémoire, j'ai une fonction funcqui prend ce tableau géant en entrée (avec quelques autres paramètres). funcavec différents paramètres peuvent être exécutés en parallèle. Par exemple: def func(arr, param): # do stuff to arr, param # build array arr pool = Pool(processes = …
Je recherche un moyen rapide de conserver de grands tableaux numpy. Je veux les enregistrer sur le disque au format binaire, puis les relire en mémoire relativement rapidement. cPickle n'est malheureusement pas assez rapide. J'ai trouvé numpy.savez et numpy.load . Mais la chose étrange est que numpy.load charge un fichier …
Supposons que j'ai la liste suivante en python: a = [1,2,3,1,2,1,1,1,3,2,2,1] Comment trouver le numéro le plus fréquent dans cette liste de manière soignée?
Pourquoi numpy donne-t-il ce résultat: x = numpy.array([1.48,1.41,0.0,0.1]) print x.argsort() >[2 3 1 0] quand je m'attendrais à ce qu'il fasse ceci: [3 2 0 1] De toute évidence, ma compréhension de la fonction fait défaut.
Dans RI peut créer la sortie souhaitée en faisant: data = c(rep(1.5, 7), rep(2.5, 2), rep(3.5, 8), rep(4.5, 3), rep(5.5, 1), rep(6.5, 8)) plot(density(data, bw=0.5)) En python (avec matplotlib), le plus proche que j'ai obtenu était avec un simple histogramme: import matplotlib.pyplot as plt data = [1.5]*7 + [2.5]*2 + …
J'ai un tableau numpy contenant: [1, 2, 3] Je souhaite créer un tableau contenant: [1, 2, 3, 1] Autrement dit, je veux ajouter le premier élément à la fin du tableau. J'ai essayé l'évidence: np.concatenate((a, a[0])) Mais je reçois une erreur disant ValueError: arrays must have same number of dimensions …
Je suis surpris que cette question spécifique n'ait pas été posée auparavant, mais je ne l'ai vraiment pas trouvée sur SO ni sur la documentation de np.sort. Disons que j'ai un tableau numpy aléatoire contenant des entiers, par exemple: > temp = np.random.randint(1,10, 10) > temp array([2, 4, 7, 4, …
Je me surprends à taper import numpy as nppresque chaque fois que je lance l'interpréteur python. Comment configurer l'interpréteur python ou ipython pour que numpy soit automatiquement importé?
En lisant sur numpy, j'ai rencontré la fonction numpy.histogram(). À quoi ça sert et comment ça marche? Dans la documentation, ils mentionnent les bacs : que sont-ils? Quelques recherches sur Google m'ont conduit à la définition des histogrammes en général . Je comprends ça. Mais malheureusement, je ne peux pas …
Je recherche le moyen le plus rapide de vérifier l'occurrence de NaN ( np.nan) dans un tableau NumPy X. np.isnan(X)est hors de question, car il construit un tableau booléen de forme X.shape, ce qui est potentiellement gigantesque. J'ai essayé np.nan in X, mais cela ne semble pas fonctionner parce que …
Supposons que j'ai un tableau numpy: data = np.array([[1,1,1],[2,2,2],[3,3,3]]) et j'ai un "vecteur" correspondant: vector = np.array([1,2,3]) Comment puis-je opérer le datalong de chaque ligne pour soustraire ou diviser afin que le résultat soit: sub_result = [[0,0,0], [0,0,0], [0,0,0]] div_result = [[1,1,1], [1,1,1], [1,1,1]] En bref: comment effectuer une opération …
Je suis récemment passé à Python 3.5 et j'ai remarqué que le nouvel opérateur de multiplication matricielle (@) se comporte parfois différemment de l' opérateur numpy dot . Par exemple, pour les tableaux 3D: import numpy as np a = np.random.rand(8,13,13) b = np.random.rand(8,13,13) c = a @ b # …
J'ai un tableau NumPy à 2 dimensions. Je sais comment obtenir les valeurs maximales sur les axes: >>> a = array([[1,2,3],[4,3,1]]) >>> amax(a,axis=0) array([4, 3, 3]) Comment puis-je obtenir les indices des éléments maximum? Donc je voudrais comme sortiearray([1,1,0])
Je souhaite convertir un tableau à 1 dimension en un tableau à 2 dimensions en spécifiant le nombre de colonnes dans le tableau 2D. Quelque chose qui fonctionnerait comme ceci: > 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, …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.