numpy

3熱度

2回答

我有這樣的列表： lst = [0, 1, 0, 5, 0, 1] 我要生成鄰接矩陣： out = array([[ 1., 0., 1., 0., 1., 0.], [ 0., 1., 0., 0., 0., 1.], [ 1., 0., 1., 0., 1., 0.], [ 0., 0., 0., 1., 0., 0.], [ 1., 0.

0熱度

1回答

爲什麼這個數組沒有屬性'log10'？

我試圖計算一個ndarray的log10，但我得到以下錯誤：AttributeError：'float'對象沒有屬性'log10'，通過做一些研究，我發現它與方法有關python處理數值，但我仍然無法得到爲什麼我得到這個錯誤。 >>> hx[0:5,:] array([[0.0], [0.0], [0.0], [0.0], [0.0]], dtyp

1熱度

2回答

如何在pandas中設置特定的單元格值？

我想在熊貓數據框中設置一個值。 ZEROS = np.zeros((4,4), dtype=np.int) df = pd.DataFrame(ZEROS, columns=['A1','B1','C1','D1']) df.at[2,3] = 32 df 我不想NaN整個列，預期產量低於：使用numpy的我能夠像設定值以下 ZEROS[1][3] = 44 輸出： array(

-2熱度

2回答

如何根據列值對numpy數組進行排序？

我有一個numpy的陣列看起來像這樣： >>> array_text[:10] array([[1, 52.51, 12, 0], [1, 52.52, 52, 2], [1, 52.53, 1, 6], [2, 52.51, 20, 0], [2, 52.52, 75, 76], [2, 52.53, 6, 33], [3, 52.5

0熱度

2回答

分配值，以底部和頂部5百分numpy的陣列

array([ 3.497 , 3.0935 , 3.3625 , 3.56425, 3.497 , 4.10225, 2.75725, 3.766 , 2.959 , 3.9005 ]) 的在上面的numpy的陣列，我要計算一個新的數組，其中底部和頂部5百分位值被指定爲100的值，而其它被分配一個值是1.是否有類似於可以在此使用的平衡功能？

1熱度

2回答

numpy的矩陣乘法逐行

我有一個矩陣，像 a = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6]]) ，我希望得到一個新的矩陣，其中每個元素是一個行的矩陣產品，本身： np.array([ np.dot(np.array([a[0]]).T, np.array([a[0]])), np.dot(np.array([a[1]]).T, np.

1熱度

1回答

保持numpy數組的每一行的n個最高值，並將其他所有值保存爲零

我有一個numpy的數據陣列，在這裏我只需要保留n的最高值，並且零其他值爲零。我目前的解決方案： import numpy as np np.random.seed(30) # keep only the n highest values n = 3 # Simple 2x5 data field for this example, real life application wil

0熱度

1回答

numpy數組中的元素的乘法和除法給出整數結果

import numpy as np A = np.array([[2,1,-1,8], [-3,-1,2,-11], [-2,1,2,-3]]) B = A[1]+A[0]* (-A[1][0]/A[0][0]) print(B) #B =[ 0. 0.5 0.5 1. ] A[1] = A[1]+A[0]* (-A[1][0]/A[0][0]) print(

1熱度

1回答

Statsmodels的格式數據線性迴歸

我想在Python中使用Statsmodels做一些多元線性迴歸，但是我一直在嘗試組織我的數據時有一些心理障礙。所以默認波士頓數據集是這樣的：而且線性迴歸模型的輸出是這樣的：我的原始數據是空間分隔像這樣：而且我已經能夠將其安排到陣列中的位置：有誰有更多的Python的經驗知道我可以以類似的方式格式化我的數據在波士頓的數據集，使我可以輕鬆實現我的迴歸模型？例如，設置對應於我的數據索引的fe

1熱度

2回答

重組名單，並轉換爲numpy的

我名單列表中的格式如下列表： [ [[a1_1, a1_2, a1_3, a1_4], [b1_1, b1_2, b1_3, b1_4]], [[a2_1, a2_2, a2_3, a2_4], [b2_1, b2_2, b2_3, b2_4]], : : [[a10_1, a10_2, a10_3, a10_4], [b10_1, b10_2, b10