Tag: numpy

NumPy的math函数比Python更快吗？: 我有一个由基本的math函数（abs，cosh，sinh，exp，…）组合定义的函数。我想知道是否使用（例如， numpy.abs()而不是abs()什么numpy.abs() ？

如何将一个pandas DataFrame列和行的子集转换成一个numpy数组？: 我想知道是否有一种更简单，高效的内存方法来从pandas数据框中select行和列的子集。例如，给定这个数据框： df = DataFrame（np.random.rand（4,5），columns = list（'abcde'））打印df ABCDE 0 0.945686 0.000710 0.909158 0.892892 0.326670 1 0.919359 0.667057 0.462478 0.008204 0.473096 2 0.976163 0.621712 0.208423 0.980471 0.048334 3 0.459039 0.788318 0.309892 0.100539 0.753992 我只想要列'c'的值大于0.5的那些行，但是我只需要那些行的列'b'和'e'。这是我提出的方法 – 也许有一个更好的“pandas”方式？ locs = [[a'，'d']]中的[df.columns.get_loc（_）] 打印df [df.c> 0.5] [locs] 广告 0 0.945686 0.892892 我的最终目标是将结果转换为一个numpy数组传递给sklearn回归algorithm，所以我将使用上面的代码： training_set = array（df [df.c> 0.5] [locs]） […]

用NumPy快速旋转张量: 在应用程序的核心（用Python编写，使用NumPy ）我需要旋转一个四阶张量。实际上，我需要旋转许多张力，这是我的瓶颈。我涉及八个嵌套循环的天真实现（下面）似乎很慢，但是我看不到一种方法来利用NumPy的matrix运算，希望能够加快速度。我有一种感觉，我应该使用np.tensordot ，但我不知道如何。在math上，旋转张量的元素T'由下式给出：其中，总和在右侧的重复指数之上。 T和Tprime是3 * 3 * 3 * 3的NumPy数组，旋转matrixg是3 * 3的NumPy数组。我的执行速度很慢（每次调用时间大约为0.04秒）。 #!/usr/bin/env python import numpy as np def rotT(T, g): Tprime = np.zeros((3,3,3,3)) for i in range(3): for j in range(3): for k in range(3): for l in range(3): for ii in range(3): for jj in range(3): for kk […]

numpy float：在算术运算中比内build速度慢10倍？: 下面的代码我正在得到非常奇怪的计时： import numpy as np s = 0 for i in range(10000000): s += np.float64(1) # replace with np.float32 and built-in float 内置浮动：4.9秒 float64：10.5 s float32：45.0 s 为什么float64比float更慢两倍？为什么float32比float64慢5倍？有没有办法避免使用np.float64的惩罚，并有numpy函数返回内置的float而不是float64 ？我发现使用numpy.float64比Python的float慢得多，而numpy.float32甚至更慢（即使我在32位机器上）。 numpy.float32在我的32位机器上。因此，每次我使用numpy.random.uniform等各种numpy函数，我将结果转换为float32 （以便进一步的操作将以32位精度执行）。有什么办法可以在程序或命令行中设置一个单独的variables，并使所有numpy函数返回float32而不是float64 ？编辑＃1： numpy.float64比算术计算中的浮点数慢10倍。这是非常糟糕的，甚至转换为浮动和返回之前的计算使程序运行速度提高3倍。为什么？有什么我可以做的，以解决它？我想强调，我的时间不是由于以下任何一种情况：函数调用 numpy和python float之间的转换对象的创build 我更新了代码，使问题更加清楚。使用新的代码，使用numpy数据types看起来会使性能下降十倍： from datetime import datetime import […]

列表到数组的转换: 我有一个Python中的列表，我想将其转换为一个数组，以便能够使用ravel()函数。

删除numpy数组中的行: 我有一个数组，可能看起来像这样： ANOVAInputMatrixValuesArray = [[ 0.96488889, 0.73641667, 0.67521429, 0.592875, 0.53172222], [ 0.78008333, 0.5938125, 0.481, 0.39883333, 0.]] 注意其中一行在最后有一个零值。我想删除任何包含零的行，同时保留所有单元格中包含非零值的行。但是，每次填充时，数组的行数都不相同，而且每次都将位于不同的行中。我用下面这行代码得到了每一行中非零元素的数量： NumNonzeroElementsInRows = (ANOVAInputMatrixValuesArray != 0).sum(1) 对于上面的数组， NumNonzeroElementsInRows包含：[5 4] 这五个表示行0中的所有可能的值都是非零，而四则表示行1中的一个可能的值是零。因此，我试图使用下面的代码行来查找和删除包含零值的行。 for q in range(len(NumNonzeroElementsInRows)): if NumNonzeroElementsInRows[q] < NumNonzeroElementsInRows.max(): p.delete(ANOVAInputMatrixValuesArray, q, axis=0) 但由于某种原因，这段代码似乎没有做任何事情，即使执行了大量的打印命令，表明所有的variables似乎都正确地填充到代码中。必须有一些简单的方法来简单地“删除任何包含零值的行”。任何人都可以告诉我要写什么代码来完成这个？

将csv加载到二维matrix中，绘制为numpy: 鉴于这个CSV文件： "A","B","C","D","E","F","timestamp" 611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291111964948E12 611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291113113366E12 611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291120650486E12 我只是想加载它作为matrix/ ndarray 3行7列。然而，由于某种原因，所有我可以摆脱numpy是一个3行（每行一），没有列的ndarray。 r = np.genfromtxt(fname,delimiter=',',dtype=None, names=True) print r print r.shape [ (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291111964948.0) (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291113113366.0) (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291120650486.0)] (3,) 我可以手动迭代并将其转换成我想要的形状，但这似乎很愚蠢。我只是想加载它作为一个适当的matrix，所以我可以切片在不同的维度和绘制，就像在MATLAB中。

pandas：结合string和int列: 我有一个下面的DataFrame ： from pandas import * df = DataFrame({'foo':['a','b','c'], 'bar':[1, 2, 3]}) 它看起来像这样： bar foo 0 1 a 1 2 b 2 3 c 现在我想有这样的东西： bar 0 1 is a 1 2 is b 2 3 is c 我怎样才能做到这一点？我尝试了以下内容： df['foo'] = '%s is %s' % (df['bar'], df['foo']) 但它给了我一个错误的结果： >>>print df.ix[0] bar a foo 0 […]

Python中的主成分分析（PCA）: 我有一个（26424 x 144）数组，我想用Python执行PCA。然而，在networking上没有特别的地方可以解释如何完成这个任务（有些网站只是根据自己的需要来做PCA–没有一个通用的方法可以find）。任何有帮助的人都会做得很好。

如何在创buildmatplotlib数字后释放内存: 我有几个matlpotlib函数卷入一些Django芹菜任务。每次任务被称为更多的RAM专用于Python。太久之前，python占用了所有的RAM。问题：我如何释放这个内存？更新2 – 第二个解决scheme：我问了一个类似的问题，特别是有关matplotlib错误时locking的内存，但我得到了一个很好的答案。如果使用多gc.collect()运行，则不需要gc.collect()和gc.collect()绘图function在一个单独的进程中，一旦进程结束，内存将自动释放。 Matplotlib错误导致内存泄漏。我怎样才能释放内存？更新 – 解决scheme：这些stackoverflowpostbuild议我可以释放matplotlib对象使用的内存与以下命令： .clf() ：在绘制循环时，Matplotlib内存不足 .close() ： Python matplotlib：指定graphics大小时，内存不会被释放 import gc gc.collect() 以下是我用来testing解决scheme的示例： import matplotlib matplotlib.use('Agg') import matplotlib.pyplot as plt from pylab import import figure, savefig import numpy as np import gc a = np.arange(1000000) b = np.random.randn(1000000) fig = plt.figure(num=1, dpi=100, facecolor='w', […]