Tag: numpy

什么是在Python中的zip的反函数？

可能重复： Python中的转置/解压缩函数 我用numpy库中的zip（）函数对元组进行sorting，现在我有一个包含所有元组的列表。 我已经修改了这个列表，现在我想恢复元组，所以我可以使用我的数据。 我怎样才能做到这一点？

对16331239353195370.0有特殊意义吗？

使用import numpy as np我注意到了 np.tan(np.pi/2) 给出标题中的数字，而不是np.inf 16331239353195370.0 我很好奇这个数字。 它与某些系统机器精度参数有关吗？ 我能从一些东西来计算吗？ （我正在思考类似于sys.float_info的东西） 编辑：相同的结果确实可以在其他环境中重现，如Java，octace，matlab …build议的诱惑并不能解释为什么。

Python中a – = b和a = a – b之间的区别

我最近应用这个解决scheme来平均每N行matrix。 虽然解决scheme通常在应用于7x1arrays时遇到问题。 我注意到，问题是使用-=运算符。 举一个小例子： import numpy as np a = np.array([1,2,3]) b = np.copy(a) a[1:] -= a[:-1] b[1:] = b[1:] – b[:-1] print a print b 其输出： [1 1 2] [1 1 1] 所以，在数组的情况下， a -= b产生一个不同的结果比a = a – b 。 我直到现在才想到这两种方式是完全一样的。 有什么不同？ 为什么总结matrix中的每个N行的方法，例如对于一个7×4的matrix，而不是对一个7×1的arrays来说呢？

matplotlib：设置线上单个点的标记

我已经使用matplotlib来绘制一个图上的线。 现在我想要为线上的各个点设置样式，特别是标记。 我该怎么做呢？ 编辑：为了澄清我的问题，这是回答，我希望能够设置个别标记的样式在一行，而不是所有行上的标记。

在NumPy数组的每个单元格上对函数进行有效的评估

给定一个NumPy数组A ，对每个单元应用相同函数f的最快/最有效的方法是什么？ 假设我们将赋予A（i，j） f（A（i，j）） 。 函数f没有二进制输出，因此mask（ing）操作将不起作用。 是“明显的”双循环迭代（通过每个细胞）的最佳解决scheme？

将MATLAB代码转换为Python的工具

我有一堆从我的MS论文，我现在想转换为Python（使用numpy / scipy和matplotlib）的MATLAB代码，并作为开源分配。 我知道MATLAB和Python科学库之间的相似性，手动转换它们不会超过两周（假如我每天都在努力工作一段时间）。 我想知道是否有任何工具可以做转换。

Python中的np.mean（）与np.average（）NumPy？

标题说明了一切。 我注意到了 In [30]: np.mean([1, 2, 3]) Out[30]: 2.0 In [31]: np.average([1, 2, 3]) Out[31]: 2.0 然而，应该有一些分歧，因为毕竟它们是两个不同的function。 他们之间有什么区别？

如何计算NumPy布尔数组中真实元素的数量

我有一个布尔types的NumPy数组“boolarr”。 我想计算其值为True的元素的数量。 是否有一个NumPy或Python例程专门用于此任务？ 或者，我是否需要遍历脚本中的元素？

更好的方式来搅乱两个numpyarrays

我有两个不同形状的numpy数组，但长度相同（前导维数）。 我想把它们中的每一个都洗牌，以使相应的元素继续相应 – 即与它们的主要指数相一致地洗牌。 这个代码的作品，并说明了我的目标： def shuffle_in_unison(a, b): assert len(a) == len(b) shuffled_a = numpy.empty(a.shape, dtype=a.dtype) shuffled_b = numpy.empty(b.shape, dtype=b.dtype) permutation = numpy.random.permutation(len(a)) for old_index, new_index in enumerate(permutation): shuffled_a[new_index] = a[old_index] shuffled_b[new_index] = b[old_index] return shuffled_a, shuffled_b 例如： >>> a = numpy.asarray([[1, 1], [2, 2], [3, 3]]) >>> b = numpy.asarray([1, 2, 3]) >>> shuffle_in_unison(a, […]

如何创build一个所有True或所有False的numpy数组？

在Python中，如何创build一个填充所有True或全部False的任意形状的numpy数组？