Tag: numpy

一个快速的方法来find一个numpy数组中最大的N个元素: 我知道我可以做到这一点，如下所示： import numpy as np N=10 a=np.arange(1,100,1) np.argsort()[-N:] 然而，这是一个完整的sorting，是非常缓慢的。我不知道numpy是否提供了一些快速的方法。

我怎样才能有效地处理类似于Matlab的blkproc（blockproc）函数块的numpy数组: 我正在寻找一种有效的方法，将图像有效地分割成小区域，分别处理每个区域，然后将每个进程的结果重新组合为单个处理后的图像。 Matlab有一个叫做blkproc的工具（在Matlab的新版本中由blockproc取代）。在一个理想的世界中，函数或类也会支持inputmatrix中各个分区之间的重叠。在Matlab帮助中，blkproc被定义为： B = blkproc（A，[mn]，[mborder nborder]，好玩，…） A是你的inputmatrix， [mn]是块大小 [mborder，nborder]是你的边界区域的大小（可选）乐趣是适用于每个块的function 我曾经在一起讨论过一个方法，但是它让我觉得很笨拙，我敢打赌还有更好的办法。冒着我自己的尴尬风险，这是我的代码： import numpy as np def segmented_process(M, blk_size=(16,16), overlap=(0,0), fun=None): rows = [] for i in range(0, M.shape[0], blk_size[0]): cols = [] for j in range(0, M.shape[1], blk_size[1]): cols.append(fun(M[i:i+blk_size[0], j:j+blk_size[1]])) rows.append(np.concatenate(cols, axis=1)) return np.concatenate(rows, axis=0) R = np.random.rand(128,128) passthrough = lambda(x):x Rprime […]

在Cython中调用点积和线性代数运算？: 我正在尝试使用点积，matrix求逆和其他基本的线性代数运算，这些运算可以从Cython的numpy中获得。函数如numpy.linalg.inv （反转）， numpy.dot （点积）， Xt （matrix/数组的转置）。调用numpy.*有很大的开销，从Cython函数和其余的函数是用Cython编写的，所以我想避免这种情况。如果我假设用户安装了numpy ，有没有办法做到这样的事情： #include "numpy/npy_math.h" 作为一个extern ，并且调用这些函数？或者直接调用BLAS（或者是这些核心操作的numpy调用）？举一个例子，假设你在Cython中有一个函数做很多事情，最后需要做一个包含点积和matrix求逆的计算： cdef myfunc(…): # … do many things faster than Python could # … # compute one value using dot products and inv # without using # import numpy as np # np.* val = gammaln(sum(v)) – sum(gammaln(v)) + dot((v […]

如何用Python解决一对非线性方程？: 使用Python解决一对非线性方程式的（最佳）方法是什么？（Numpy，Scipy或Sympy）例如： x + y ^ 2 = 4 e ^ x + xy = 3 解决上述问题的代码片段会很好

Numpy：快速find第一个价值指数: 我怎样才能find一个数字的第一次出现在一个Numpy数组的索引？速度对我很重要。我对以下答案不感兴趣，因为他们扫描整个数组，并且在发现第一个发生时不停止： itemindex = numpy.where(array==item)[0][0] nonzero(array == item)[0][0] 注1：这个问题的答案没有看起来相关是否有一个Numpy函数返回数组中的第一个索引的东西？注2：使用C编译的方法比Python循环更受欢迎。

我如何捕捉像是一个exception（不只是为了testing）的一个numpy警告？: 我必须在Python中为一个项目制作拉格朗日多项式。为了避免使用明确的for循环而不是牛顿的不同的风格，我正在做一个重心式的风格。我遇到的问题是我需要通过零来捕捉一个除法，但是Python（或者可能是numpy）只是使它成为警告而不是正常的exception。所以，我需要知道怎么做就是把这个警告看作是一个例外。我在这个网站上find的相关问题不是以我需要的方式回答的。这是我的代码： import numpy as np import matplotlib.pyplot as plt import warnings class Lagrange: def __init__(self, xPts, yPts): self.xPts = np.array(xPts) self.yPts = np.array(yPts) self.degree = len(xPts)-1 self.weights = np.array([np.product([x_j – x_i for x_j in xPts if x_j != x_i]) for x_i in xPts]) def __call__(self, x): warnings.filterwarnings("error") try: bigNumerator = […]

如何使scipy.interpolate给出超出input范围的外推结果？: 我试图移植一个使用手动内插器（由math家同事开发）的程序来使用scipy提供的内插器。我想使用或包装scipy插入器，以便它尽可能接近旧插值器的行为。这两个函数之间的主要区别在于，在我们的原始插补器中 – 如果input值高于或低于input范围，我们的原始插补器将推断结果。如果你用scipy插入器试试这个，会引发一个ValueError 。以这个程序为例： import numpy as np from scipy import interpolate x = np.arange(0,10) y = np.exp(-x/3.0) f = interpolate.interp1d(x, y) print f(9) print f(11) # Causes ValueError, because it's greater than max(x) 是否有一个明智的方法来使得它不会崩溃，最后一行将简单地进行线性外推，继续将第一个和最后两个点定义的梯度延续到无穷大。请注意，在真正的软件中，我并没有使用exp函数 – 这里只是为了说明！

ImportError：无法导入名称NUMPY_MKL: 我试图运行以下简单的代码 import scipy scipy.test() 但是我收到以下错误 Traceback (most recent call last): File "<stdin>", line 1, in <module> File "C:\Python27\lib\site-packages\spyderlib\widgets\externalshell\sitecustomize.py", line 586, in runfile execfile(filename, namespace) File "C:/Users/Mustafa/Documents/My Python Code/SpectralGraphAnalysis/main.py", line 8, in <module> import scipy File "C:\Python27\lib\site-packages\scipy\__init__.py", line 61, in <module> from numpy._distributor_init import NUMPY_MKL # requires numpy+mkl ImportError: cannot import name NUMPY_MKL 我在Windows 10下使用python 2.7。 […]

Cython：“致命错误：numpy / arrayobject.h：没有这样的文件或目录”: 我正在使用Cython来加速这个答案。我尝试编译代码（在这里解释cygwinccompiler.py hack之后），但得到一个fatal error: numpy/arrayobject.h: No such file or directory…compilation terminated错误。任何人都可以告诉我，如果这是我的代码有问题，或用Cython的一些深奥的微妙？以下是我的代码。提前致谢： import numpy as np import scipy as sp cimport numpy as np cimport cython cdef inline np.ndarray[np.int, ndim=1] fbincount(np.ndarray[np.int_t, ndim=1] x): cdef int m = np.amax(x)+1 cdef int n = x.size cdef unsigned int i cdef np.ndarray[np.int_t, ndim=1] c = np.zeros(m, […]