Je veux faire des tests unitaires pour mon application et je dois comparer deux tableaux. Puisque array.__eq__renvoie un nouveau tableau (donc TestCase.assertEqualéchoue), quelle est la meilleure façon d'affirmer l'égalité? J'utilise actuellement self.assertTrue((arr1 == arr2).all()) mais je n'aime pas vraiment ça
J'ai besoin d'écrire une fonction qui détectera si l'entrée contient au moins une valeur non numérique. Si une valeur non numérique est trouvée, je soulèverai une erreur (car le calcul ne doit renvoyer qu'une valeur numérique). Le nombre de dimensions du tableau d'entrée n'est pas connu à l'avance - la …
Par exemple, si nous avons un numpytableau Aet que nous voulons un numpytableau Bavec les mêmes éléments. Quelle est la différence entre les méthodes suivantes (voir ci-dessous)? Quand de la mémoire supplémentaire est-elle allouée et quand ne l'est-elle pas? B = A B[:] = A(même que B[:]=A[:]?) numpy.copy(B, A)
Supposons que j'ai; LIST = [[array([1, 2, 3, 4, 5]), array([1, 2, 3, 4, 5],[1,2,3,4,5])] # inner lists are numpy arrays J'essaye de me convertir; array([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5]) Je résous le problème par itération sur vstack en ce …
Je rencontre un problème ici, dans mon package python, j'ai installé numpy, mais j'ai toujours cette erreur 'DataFrame' object has no attribute 'sort' Tout le monde peut me donner une idée. Voici mon code: final.loc[-1] =['', 'P','Actual'] final.index = final.index + 1 # shifting index final = final.sort() final.columns=[final.columns,final.iloc[0]] final …
J'essaie d'effectuer une division par élément en python, mais si un zéro est rencontré, j'ai besoin que le quotient soit juste zéro. Par exemple: array1 = np.array([0, 1, 2]) array2 = np.array([0, 1, 1]) array1 / array2 # should be np.array([0, 1, 2]) Je pourrais toujours utiliser une boucle for …
Y a-t-il un système intégré numpy pour faire quelque chose comme ce qui suit? Autrement dit, prenez une liste det retournez une liste filtered_davec tous les éléments périphériques supprimés en fonction d'une répartition supposée des points dans d. import numpy as np def reject_outliers(data): m = 2 u = np.mean(data) …
Mes tableaux numpy utilisent np.nanpour désigner les valeurs manquantes. En parcourant l'ensemble de données, je dois détecter ces valeurs manquantes et les gérer de manière spéciale. J'ai utilisé naïvement numpy.isnan(val), ce qui fonctionne bien sauf s'il valne fait pas partie du sous-ensemble de types pris en charge par numpy.isnan(). Par …
J'ai un code Python dont la sortie est une matrice dimensionnée, dont les entrées sont toutes du type float. Si je l'enregistre avec l'extension, .datla taille du fichier est de l'ordre de 500 Mo. J'ai lu que l'utilisation h5pyréduit considérablement la taille du fichier. Donc, disons que j'ai nommé le …
Dans le manuel numpy sur la fonction reshape (), il est dit >>> a = np.zeros((10, 2)) # A transpose make the array non-contiguous >>> b = a.T # Taking a view makes it possible to modify the shape without modifying the # initial object. >>> c = b.view() >>> …
J'ai un tableau de flotteurs (certains nombres normaux, certains nans) qui sortent d'une application sur un dataframe pandas. Pour une raison quelconque, numpy.isnan échoue sur ce tableau, mais comme indiqué ci-dessous, chaque élément est un flottant, numpy.isnan s'exécute correctement sur chaque élément, le type de la variable est définitivement un …
J'ai un tableau de nombres et j'aimerais créer un autre tableau qui représente le rang de chaque élément dans le premier tableau. J'utilise Python et NumPy. Par exemple: array = [4,2,7,1] ranks = [2,1,3,0] Voici la meilleure méthode que j'ai trouvée: array = numpy.array([4,2,7,1]) temp = array.argsort() ranks = numpy.arange(len(array))[temp.argsort()] …
Comment déterminer de manière fiable si un objet a un type numpy? Je me rends compte que cette question va à l'encontre de la philosophie du typage canard, mais l'idée est de s'assurer qu'une fonction (qui utilise scipy et numpy) ne renvoie jamais un type numpy à moins qu'elle ne …
Je recherche une fonction en Numpy ou Scipy (ou toute bibliothèque Python rigoureuse) qui me donnera la fonction de distribution normale cumulative en Python.
J'ai une colonne Data Frame avec des valeurs numériques: df['percentage'].head() 46.5 44.2 100.0 42.12 Je veux voir la colonne comme le nombre de bacs: bins = [0, 1, 5, 10, 25, 50, 100] Comment puis-je obtenir le résultat sous forme de bacs avec leur value counts? [0, 1] bin amount …
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.