Existe-t-il un moyen préféré de conserver le type de données d'un numpytableau fixe comme int(ou int64ou autre), tout en ayant un élément à l'intérieur répertorié comme numpy.NaN? En particulier, je convertis une structure de données interne en un Pandas DataFrame. Dans notre structure, nous avons des colonnes de type entier …
En accord avec le "Il n'y a qu'une seule façon évidente de le faire", comment obtenir la magnitude d'un vecteur (tableau 1D) dans Numpy? def mag(x): return math.sqrt(sum(i**2 for i in x)) Ce qui précède fonctionne, mais je ne peux pas croire que je doive spécifier moi-même une fonction aussi …
En utilisant des tableaux Python standard, je peux faire ce qui suit: arr = [] arr.append([1,2,3]) arr.append([4,5,6]) # arr is now [[1,2,3],[4,5,6]] Cependant, je ne peux pas faire la même chose avec numpy. Par exemple: arr = np.array([]) arr = np.append(arr, np.array([1,2,3])) arr = np.append(arr, np.array([4,5,6])) # arr is now …
J'essaie de créer les bibliothèques requises dans un package que je distribue. Il nécessite à la fois les bibliothèques SciPy et NumPy . Lors du développement, j'ai installé les deux en utilisant apt-get install scipy qui a installé SciPy 0.9.0 et NumPy 1.5.1, et cela a bien fonctionné. Je voudrais …
Cela est apparu dans les fonctionnalités cachées de Python , mais je ne vois pas de bonne documentation ou d'exemples expliquant le fonctionnement de la fonctionnalité.
J'ai un ensemble de données et je veux comparer quelle ligne le décrit le mieux (polynômes d'ordres différents, exponentiels ou logarithmiques). J'utilise Python et Numpy et pour l'ajustement polynomial, il y a une fonction polyfit(). Mais je n'ai trouvé aucune fonction de ce type pour l'ajustement exponentiel et logarithmique. Y …
J'utilise python pour analyser certains fichiers volumineux et je rencontre des problèmes de mémoire, j'ai donc utilisé sys.getsizeof () pour essayer de garder une trace de l'utilisation, mais son comportement avec les tableaux numpy est bizarre. Voici un exemple impliquant une carte d'albédos que je dois ouvrir: >>> import numpy …
Supposons que j'ai un tableau numpy x = [5, 2, 3, 1, 4, 5], y = ['f', 'o', 'o', 'b', 'a', 'r']. Je souhaite sélectionner les éléments ycorrespondant aux éléments xsupérieurs à 1 et inférieurs à 5. j'ai essayé x = array([5, 2, 3, 1, 4, 5]) y = array(['f','o','o','b','a','r']) …
Parfois, il est utile de "cloner" un vecteur ligne ou colonne dans une matrice. Par clonage, j'entends la conversion d'un vecteur de ligne tel que [1,2,3] Dans une matrice [[1,2,3] [1,2,3] [1,2,3] ] ou un vecteur de colonne tel que [1 2 3 ] dans [[1,1,1] [2,2,2] [3,3,3] ] En …
J'utilise numpy. J'ai une matrice avec 1 colonne et N lignes et je veux obtenir un tableau à partir de N éléments. Par exemple, si je l'ai M = matrix([[1], [2], [3], [4]]), je veux obtenir A = array([1,2,3,4]). Pour y parvenir, j'utilise A = np.array(M.T)[0]. Quelqu'un connaît-il un moyen …
Fermé. Cette question ne répond pas aux directives de Stack Overflow . Il n'accepte pas les réponses actuellement. Vous souhaitez améliorer cette question? Mettez à jour la question pour qu'elle soit pertinente pour Stack Overflow. Fermé il y a 4 ans . Améliorez cette question J'ai un tas de code …
J'ai cette erreur pour essayer de charger un modèle SVM enregistré. J'ai essayé de désinstaller sklearn, NumPy et SciPy, en réinstallant à nouveau les dernières versions (en utilisant pip). J'obtiens toujours cette erreur. Pourquoi? In [1]: import sklearn; print sklearn.__version__ 0.18.1 In [3]: import numpy; print numpy.__version__ 1.11.2 In [5]: …
J'ai deux tableaux numpy qui définissent les axes x et y d'une grille. Par exemple: x = numpy.array([1,2,3]) y = numpy.array([4,5]) Je voudrais générer le produit cartésien de ces tableaux pour générer: array([[1,4],[2,4],[3,4],[1,5],[2,5],[3,5]]) D'une manière qui n'est pas terriblement inefficace puisque je dois le faire plusieurs fois en boucle. Je …
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.