Tag: numpy

Почему «numpy.mean» возвращает «inf»?

Мне нужно вычислить среднее значение в столбцах массива с более чем 1000 строк. np.mean(some_array) дает мне inf как вывод но я уверен, что все в порядке. Я загружаю csv отсюда в свою переменную Data и с моей точки зрения «цемент» столбца «здоров». In[254]:np.mean(Data[:230]['Cement']) Out[254]:275.75 работе In[254]:np.mean(Data[:230]['Cement']) Out[254]:275.75 но если я увеличиваю количество строк, проблема начнется: […]

Добавление столбца нулей в csr_matrix

У меня есть MxN разреженная csr_matrix , и я бы хотел добавить несколько столбцов с нулями справа от матрицы. В принципе, массивы indptr , indices и data сохраняются одинаково, поэтому я хочу только изменить размеры матрицы. Однако это, похоже, не реализовано. >>> A = csr_matrix(np.identity(5), dtype = int) >>> A.toarray() array([[1, 0, 0, 0, 0], […]

Умножение и добавление внутри слишком большого массива

У меня есть массив A, который имеет форму (M, N), теперь я хотел бы сделать операцию R = (A[:,newaxis,:] * A[newaxis,:,:]).sum(2) который должен давать массив (MxM). Теперь проблема в том, что массив довольно большой, и я получаю ошибку памяти, потому что массив MxMxN не будет вписываться в память. какова была бы лучшая стратегия для этого? […]

Ошибка добавления пустого питона

Я получаю очень странную ошибку, используя базовый метод ярлыков в python. Кажется, если я не очень глуп, я получаю разные значения для A = A + B и A + = B. Вот мой код: def variance(phi,sigma,numberOfIterations): variance = sigma for k in range(1,numberOfIterations): phik = np.linalg.matrix_power(phi,k) variance = variance + phik*sigma*phik.T return variance Это […]

Оптимальное (широковещательное) матричное деление в numpy. Избежать временных массивов или нет?

Numpy позволяет добавлять / умножать / разделять матрицы разных размеров при условии соблюдения определенных правил вещания . Кроме того, создание временных массивов является основным препятствием скорости для numpy. Следующие результаты затишья удивляют меня … что происходит? In [41]: def f_no_dot(mat,arr): ….: return mat/arr In [42]: def f_dot(mat,arr): ….: denominator = scipy.dot(arr, scipy.ones((1,2))) ….: return mat/denominator […]

список значений ключа python для серии panda

У меня есть следующий список таймсерий в python: list = [(datetime.datetime(2008, 7, 15, 15, 0), 0.134), (datetime.datetime(2008, 7, 15, 16, 0), 0.0), (datetime.datetime(2008, 7, 15, 17, 0), 0.0), (datetime.datetime(2008, 7, 15, 18, 0), 0.0), (datetime.datetime(2008, 7, 15, 19, 0), 0.0), (datetime.datetime(2008, 7, 15, 20, 0), 0.0), (datetime.datetime(2008, 7, 15, 21, 0), 0.0), (datetime.datetime(2008, 7, 15, […]

Проверьте, если два массива numpy (близкие к) равны, включая форму

Я хочу проверить, если два массива numpy (близкие к) равны, поэтому я использовал функцию np.allclose . Единственная проблема заключается в том, что она возвращает True если задана двумерная матрица и трехмерная матрица равных элементов. import numpy as np x = np.array([[3.14159265, -0.1], [-0.1, 0.1]]) y = np.array([[math.pi, -0.1], [-0.1, 0.1]]) z1 = np.array([[[3.14159265, -0.1], [-0.1, […]

Сгенерируйте 1d numpy с кусками произвольной длины

Мне нужно создать 1D-массив, где повторяющиеся последовательности целых чисел разделяются случайным числом нулей. До сих пор я использую следующий код для этого: from random import normalvariate regular_sequence = np.array([1,2,3,4,5], dtype=np.int) n_iter = 10 lag_mean = 10 # mean length of zeros sequence lag_sd = 1 # standard deviation of zeros sequence length # Sequence of […]

Python numpy хранит список индексов отсортированного 2D-массива

У меня есть 2D-массив numpy, и я хочу создать новый 1D-массив, где это индексы чисел в первом массиве, если они отсортированы в порядке возрастания. Для следующего массива: A = [[1,0,2], [0,3,0]] Я хочу, чтобы это было так: B = [[1,1],[0,2],[0,0],[0,1],[1,0],[1,2]] Любая идея, как это можно сделать в python с использованием предопределенных функций? благодаря

Построение стохастических процессов в Python

Скажем, у меня есть стохастический процесс, определенный между [0… N] , например N=50 . Для каждого местоположения у меня есть несколько выборок (например, m=100 выборок) (представляющих распределение выборок в каждом месте). Один из способов взглянуть на это – это двумерный массив размером (m,N) . Как я могу построить это интуитивно в matplotlib ? Одна из […]

Python - лучший язык программирования в мире.