reshape

    2熱度

    1回答

    我正在使用dynamic_rnn和LSTMCell,後者放出一個包含內部狀態的LSTMStateTuple。調用這個對象的重塑(我的錯誤)會導致一個張量,而不會在創建圖表時造成任何錯誤。通過圖形輸入輸入時,我在運行時也沒有出現任何錯誤。 代碼: cell = tf.contrib.rnn.LSTMCell(size, state_is_tuple=True, ...) outputs, stat

    0熱度

    2回答

    我工作的面部表情識別, 我有圖像存儲在一個CSV文件中像這樣的灰度模式下的數據集: Emotion | Pixels | Usage 凡情感是圖像的實際情感(像素列)和用法可以是:培訓,驗證或測試。 所有圖像是存儲在csv文件48 X 48像素陣列中的(1,2304)(一行)的重塑是這樣的: 169 140 118 115 129 129 111 107 95 115 114 119 138

    1熱度

    1回答

    我想通過2個變量(其組合創建新的唯一標識符)重新整理我的數據框從long到wide,同時按產品,產品2和日期彙總值,以便: Date product product2 value 03/03/2011 a z 7 03/03/2011 a z 2 03/05/2015 b z 89 03/01/2017 a z 2 03/03/2017 c z 6

    1熱度

    2回答

    我有所有的變量因子類型數據幀 col0 col1 col2 col3 .. Col100 2017-01-01 12 23 34 .. 10 2017-01-02 119 24 39 .. 12 我試圖讓輸出,如下面df1 <- melt(df) Variable Val date 2017-01-01 date 2017-01-02 col1 12

    1熱度

    1回答

    介紹繪製的校準曲線使用geom_errorbar(): 我有彙總統計的針對三個不同的空氣質量測量一個數據幀。儀器名稱爲aa34,aa35和48c。它們各自以ppm爲單位測量一氧化碳。我有廣泛格式的數據,其中每個向量是三種儀器中的每一種的均值,標準差,標準誤差或95%置信區間。 我想用繪製和ggplot()這些geom_errorbar()彙總統計,但我有一些麻煩的數據爲長格式和ggplot()提供

    0熱度

    1回答

    我一直在嘗試使用Tensorflow,但我不斷收到關於我的數據形狀的錯誤。我是從這個YouTube教程讓我的代碼:https://www.youtube.com/watch?v=PwAGxqrXSCs&list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v&index=47 我的訓練數據是這樣的: enc0 = np.array([[[1,2,3,4],[0,1,0,1],

    1熱度

    2回答

    我有這樣的,我要重塑和改造成列的文件: fe=read.table("foo.txt") > fe V1 1 9 2 Sd 3 2 4 Sd 5 5 6 Smn 7 7 8 Smn 9 5 10 bf 11 4 12 b

    0熱度

    1回答

    我有如下例子的原始數據。變量行對應於值的範圍;時間列與值相對應。 然後,我想將它們安排在預期輸出的數據框中。 3列,變量是原則列,值和時間是相應的列。但我不知道如何重新安排。 我希望我解釋清楚你的理解我的問題。 Variables var1 var2 var3 var4 Time Values 2014-07-11 19:50:20 1 5 9 13 2014-0

    -1熱度

    3回答

    我有一個這樣的名單: a = [1,2,1,2,1,2,1,2] ,我希望得到一個列表 b= a = [1,1,1,1,2,2,2,2] 我想這CODE b = [] for j in range(4): for i in xrange(0,len(a),4): b.append(a[j]) 這就是結果[1, 1, 2, 2, 1, 1, 2, 2] 什麼建議立

    2熱度

    3回答

    我有一個DF有很多列: date risk lev chemical weight date risk lev chemical weight 15-5-16 5 Potasium 5mg 15-5-16 3 Sodium 7 mg 14-5-16 6 Potasium 10mg 14-5-16 2 Sodium 2 mg 我想重新安排一下,使每個4列闖入新行,如DF是