Tag: numpy

地图，applymap和apply方法在Pandas中的区别: 你能告诉我什么时候使用这些vector化方法的基本例子？我看到map是一个Series方法，而其余的是DataFrame方法。尽pipe我对apply和apply applymap方法感到困惑。为什么我们有两种方法将函数应用于DataFrame？再一次，说明这个用法的简单例子会很棒！谢谢！

Numpy数组维度: 我目前正在努力学习Numpy和Python。给定以下数组： import numpy as N a = N.array([[1,2],[1,2]]) 有没有一个函数返回a （ega是2乘2arrays）的维度？ size()返回4，这并没有太大的帮助。

如何将csv读入numpy的logging数组？: 我想知道是否有一种直接的方式将csv文件的内容导入到logging数组中，这与R的read.table() ， read.delim()和read.csv()系列将数据导入到R数据框？或者是使用csv.reader（），然后应用像numpy.core.records.fromrecords() ？

将一个NumPy数组转换成一个csv文件: 有没有办法将一个NumPy数组转储到一个CSV文件？我有一个2D NumPy数组，需要将其转储为可读的格式。

如何将Numpy数组转换为应用matplotlib颜色映射的PIL图像: 我有一个简单的问题，但无法find一个好的解决scheme。我想要一个代表灰度图像的numpy二维数组，并将其转换为RGB PIL图像，同时应用一些matplotlib色彩映射。我可以通过使用pyplot.figure.figimage命令获得一个合理的PNG输出： dpi = 100.0 w, h = myarray.shape[1]/dpi, myarray.shape[0]/dpi fig = plt.figure(figsize=(w,h), dpi=dpi) fig.figimage(sub, cmap=cm.gist_earth) plt.savefig('out.png') 虽然我可以适应这个来获得我想要的东西（可能使用StringIO来获得PIL图像），但我不知道是否没有更简单的方法来做到这一点，因为它似乎是一个非常自然的图像可视化问题。比方说，像这样的东西： colored_PIL_image = magic_function(array, cmap) 谢谢阅读！

如何将string数组转换为numpy中的浮点数组？: 如何从中获得 ["1.1", "2.2", "3.2"] 至 [1.1, 2.2, 3.2] 在NumPy？

从ND到1Darrays: 说我有一个数组： a = np.array([[1,2,3], [4,5,6]]) array([[1, 2, 3], [4, 5, 6]]) 我想将其转换为一维数组（即列向量）： b = np.reshape(a, (1,np.product(a.shape))) 但是这返回 array([[1, 2, 3, 4, 5, 6]]) 这是不一样的： array([1, 2, 3, 4, 5, 6]) 我可以把这个数组的第一个元素手动转换为一维数组： b = np.reshape(a, (1,np.product(a.shape)))[0] 但是这要求我知道原始数组有多less个维度（并且在处理更高维度时连接[0]）有没有一个维度独立的方式从任意的ndarray获取列/行向量？

在x和y坐标的numpy数组中寻找最近点的索引: 我有两个2D numpy数组：x_array包含在x方向的位置信息，y_array包含在y方向的位置。然后我有一个很长的x，y点列表。对于列表中的每个点，我需要find最接近该点的位置（在数组中指定）的数组索引。我天真地产生了一些代码工作，基于这个问题：在numpy数组中find最接近的值即 import time import numpy def find_index_of_nearest_xy(y_array, x_array, y_point, x_point): distance = (y_array-y_point)**2 + (x_array-x_point)**2 idy,idx = numpy.where(distance==distance.min()) return idy[0],idx[0] def do_all(y_array, x_array, points): store = [] for i in xrange(points.shape[1]): store.append(find_index_of_nearest_xy(y_array,x_array,points[0,i],points[1,i])) return store # Create some dummy data y_array = numpy.random.random(10000).reshape(100,100) x_array = numpy.random.random(10000).reshape(100,100) points = numpy.random.random(10000).reshape(2,5000) # […]

从样本数据计算置信区间: 我有样本数据，我想计算一个置信区间，假设一个正态分布。我发现并安装了numpy和scipy软件包，并得到numpy返回一个平均值和标准偏差（numpy.mean（数据）与数据列表）。获得样本置信区间的任何build议将不胜感激。

将Numpy数组传递给C函数进行input和输出: 哦，我的话我是一个傻瓜。调用该函数时，我简单地省略了第二个和第三个参数。像一个傻瓜。因为这就是我。原来愚蠢的问题如下：这似乎是一个非常普通的事情，但是我找不到相关的教程，对于Numpy和ctypes我自己也搞不清楚。我在文件ctest.c有一个C函数。 #include <stdio.h> void cfun(const void * indatav, int rowcount, int colcount, void * outdatav) { //void cfun(const double * indata, int rowcount, int colcount, double * outdata) { const double * indata = (double *) indatav; double * outdata = (double *) outdatav; int i; puts("Here we go!"); […]