numpy

    1熱度

    1回答

    假設我們創建numpy的陣列是這樣的: x = np.linspace(1,5,5).reshape(-1,1) 這導致這樣的: array([[ 1.], [ 2.], [ 3.], [ 4.], [ 5.]]) 現在我們添加此陣列的轉置它: x + x.T 導致此: array([[ 2., 3., 4., 5., 6.], [ 3

    0熱度

    2回答

    嗨,我有一個相當嘈雜的FFT。如何申請我的代碼漢明窗口,以減少噪音。看看我的代碼: plt.subplot(212) plt.title('Fast Fourier Transform') plt.ylabel('Power [a.u.]') plt.xlabel('Frequency Hz') fft1 = (Bx[51:-14]) fft2 = (By[1:-14]) for d

    2熱度

    1回答

    import numpy as np import scipy as sc from sklearn.preprocessing import normalize import scipy.sparse as sp import numpy import numpy as np import scipy.sparse as sp def func1(A,c,eps,maxit

    0熱度

    1回答

    事先道歉,Python不是我的強項。 與矩陣的實際特徵值(如Python計算)相對應的特徵向量看起來不是特徵向量,而由Wolfram Alpha計算的特徵向量似乎可行。 (我的同事證實,同一病理執行R中的計算時,雖然我沒有成績單似乎是這樣。)代碼片段: >>> import numpy as np >>> in_matrix = np.array([[0.904, 0.012, 0.427],

    2熱度

    1回答

    我碰到下面的語句: train_set_x.reshape(train_set_x.shape[0], -1).T 的train_set_x的shape是:(209, 64, 64, 3) 因此,我認爲,shape[0]是209,並且T是轉置? 我不能理解上面的reshape聲明嗎?什麼是-1? 對此非常感謝。 謝謝。

    0熱度

    1回答

    我試圖從遊戲文件養活我的屏幕輸入圖像處理器文件: - pygame的輸出: image_data = pygame.surfarray.array3d(pygame.display.get_surface()) OpenCV的輸入: imgTesting = cv2.imread(image_data) 和錯誤我得到的是: imgTesting = cv2.imread(image_dat

    0熱度

    2回答

    請原諒我,如果這很簡單,但我是python的新手。我每天都有一個數據點,每個緯度(180度)和經度(360度)和時間(6624)是一個三維數組,具有numpy.shape(時間,緯度,經度)。我試圖提取每一個風速並將其放入一個新的數組或列表中,以便我可以繪製直方圖或概率密度函數。有沒有在Python中提取每個這些值的方法?

    0熱度

    4回答

    我有號碼的清單: [10,20,30] 我需要的是要根據預定義的增量展開。因此,讓我們把x增量和x=2,我的結果應該是: [10,12,14,16,18,20,22,24,.....,38] 現在我使用for循環,但它是非常緩慢的,我想知道是否有一種更快的方式。 編輯: newA = [] for n in array: newA= newA+ generateNewNumbe

    1熱度

    1回答

    我想找到幾個輸入值在相應的數組中匹配的索引。作爲示例,考慮一個時間序列,數據集包含多個數組:years,months,days和hours。數組的值按時間順序填充。由於數據集是在幾年的時間範圍內收集的,所以years數組將被排序,但其餘數組將不會被排序(因爲hours中的值將僅從每年每月每天0-24進行排序)。即使該數據集是在數年的時間範圍內收集的,數據集也不一定是連續的 - 意味着觀測值之間的天

    1熱度

    1回答

    我想從numpy數組中創建tfrecord格式的數據集。我試圖存儲2D和3D座標。 2D座標型的形狀(2,10)的numpy的陣列float64 三維座標型float64 的形狀(3,10)的numpy的陣列,這是我的代碼: def _floats_feature(value): return tf.train.Feature(float_list=tf.train.FloatList(