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 …
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 …
Disons que j'ai une image de 3841 x 7195 pixels. Je voudrais enregistrer le contenu de la figure sur le disque, ce qui donne une image de la taille exacte que je spécifie en pixels. Pas d'axe, pas de titres. Juste l'image. Personnellement, je ne me soucie pas des DPI, …
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 …
INTRODUCTION : J'ai une liste de plus de 30 000 valeurs entières allant de 0 à 47, inclusivement, par exemple [0,0,0,0,..,1,1,1,1,...,2,2,2,2,...,47,47,47,...]échantillonnées à partir d'une distribution continue. Les valeurs de la liste ne sont pas nécessairement dans l'ordre, mais l'ordre n'a pas d'importance pour ce problème. PROBLÈME : Sur la base …
Je peux écrire quelque chose moi-même en trouvant des passages par zéro du premier dérivé ou quelque chose du genre, mais cela semble être une fonction assez courante pour être incluse dans les bibliothèques standard. Quelqu'un en connait un? Mon application particulière est un tableau 2D, mais il serait généralement …
Après avoir effectué un traitement sur un tableau audio ou d'image, il doit être normalisé dans une plage avant de pouvoir être réécrit dans un fichier. Cela peut être fait comme ceci: # Normalize audio channels to between -1.0 and +1.0 audio[:,0] = audio[:,0]/abs(audio[:,0]).max() audio[:,1] = audio[:,1]/abs(audio[:,1]).max() # Normalize image …
Numpy, scipy, matplotlib et pylab sont des termes courants parmi ceux qui utilisent python pour le calcul scientifique. J'apprends juste un peu plus sur pylab, et je suis confus. Chaque fois que je veux importer numpy, je peux toujours faire: import numpy as np Je considère juste qu'une fois que …
Je n'arrive pas à trouver de bibliothèques python qui effectuent des régressions multiples. Les seules choses que je trouve ne font qu'une simple régression. J'ai besoin de régresser ma variable dépendante (y) par rapport à plusieurs variables indépendantes (x1, x2, x3, etc.). Par exemple, avec ces données: print 'y x1 …
Je construis mon environnement numpy / scipy basé sur blas et lapack plus ou moins basé sur cette promenade. Quand j'ai terminé, comment puis-je vérifier que mes fonctions numpy / scipy utilisent vraiment les fonctionnalités blas / lapack précédemment construites?
J'essaye de lire une image avec scipy. Cependant, il n'accepte pas la scipy.misc.imreadpièce. Quelle pourrait en être la cause? >>> import scipy >>> scipy.misc <module 'scipy.misc' from 'C:\Python27\lib\site-packages\scipy\misc\__init__.pyc'> >>> scipy.misc.imread('test.tif') Traceback (most recent call last): File "<pyshell#11>", line 1, in <module> scipy.misc.imread('test.tif') AttributeError: 'module' object has no attribute 'imread'
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 + …
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.