scipy

    0熱度

    1回答

    我有一個循環,即在每次迭代中將一條線添加到圖上。現在這是非常緩慢的,因爲它似乎每次重繪整個圖。是否可以在設置圖表時禁用屏幕更新,然後重新啓用它們。 下面的代碼: for rr,dd in zip(angles,dists): if dd == inf: pass else: lineend = (array([cos(rr), sin(rr)])

    1熱度

    1回答

    看來我只能裝載的一切,UINT8類型,只是以下兩行, 進口scipy.io X1 = scipy.io.loadmat( 'one.mat') 所有雙精度數字被轉化。我相信scipy 的創造者意識到浮點數更常見的事實... 那麼,我該怎麼辦? 謝謝!

    0熱度

    3回答

    我有x和y軸和所述輸出數據是在z 例如 y = 10 x = [1,2,3,4,5,6] z = [2.3,3.4,5.6,7.8,9.6,11.2] y = 20 x = [1,2,3,4,5,6] z = [4.3,5.4,7.6,9.8,11.6,13.2] y = 30 x = [1,2,3,4,5,6] z = [6.3,7.4,8.6,10.8,13.6,15.2]

    93熱度

    7回答

    我可以通過找到一階導數的零交叉點或某些東西來自己寫一些東西,但它似乎是標準庫中包含的通用功能。任何人都知道嗎? 我的特定應用是一個二維數組,但通常將它用於尋找在FFT的峯值等 具體而言,在這些類型的問題,有多個強峯,然後許多較小的「峯值「只是由應該忽略的噪聲引起的。這些只是例子;不是我的實際數據: 1維峯: 2維峯: 峯值尋找算法會發現這些峯的位置(而不僅僅是它們的值),理想情況下可以找到真正的樣

    7熱度

    1回答

    關注this question請問(和答案)如何讀取使用Scipy在Matlab中創建的.mat文件,我想知道如何訪問導入結構中的字段。 我在Matlab文件從中我可以導入一個結構: >> load bla % imports a struct called G >> G G = Inp: [40x40x2016 uint8] Tgt: [8x2016 double

    6熱度

    2回答

    import re from decimal import * import numpy from scipy.signal import cspline1d, cspline1d_eval import scipy.interpolate import scipy import math import numpy from scipy import interpo

    0熱度

    4回答

    我想要計算2d字段的拉普拉斯算子A使用scipy.ndimage.convolve。 stencil = numpy.array([[0, 1, 0],[1, -4, 1], [0, 1, 0]]) scipy.ndimage.convolve(A, stencil, mode='wrap') 雖然這似乎沒有給我正確的答案。任何想法我錯了,還是有更好的方式來計算拉普拉斯在numpy?

    5熱度

    2回答

    我正在嘗試爲Python編寫Wilson的譜密度分解算法[1]的實現。該算法迭代地將[QxQ]矩陣函數分解成其平方根(它是對於譜密度矩陣的Newton-Raphson平方根查找器的擴展)。 問題是我的實現只對45x45和更小的矩陣收斂。經過20次迭代後,矩陣之和的平方差約爲2.45e-13。但是,如果我輸入大小爲46x46的數據,它將不會收斂到第100次迭代。對於47x47或更大,矩陣不會收斂;誤

    0熱度

    2回答

    我試圖使用花式索引而不是循環來加速Numpy中的函數。據我所知,我已經正確實施了花哨的索引版本。問題是兩個函數(循環和花式索引)不會返回相同的結果。我不知道爲什麼。值得指出的是,如果使用較小的數組(如20 x 20 x 20),函數的返回值相同。 下面我已經包含了重現錯誤所需的一切。如果函數返回相同的結果,那麼行find_maxdiff(data) - find_maxdiff_fancy(dat

    1熱度

    4回答

    屏蔽沿對角線值,我可以這麼說確實在對角線上 沒有對數組執行操作是這樣計算的,所有的,但對角線 array ([[0., 1.37, 1., 1.37, 1., 1.37, 1.] [1.37, 0. , 1.37, 1.73, 2.37, 1.73, 1.37] [1. , 1.37, 0. , 1.37, 2. , 2.37, 2. ] [1.37, 1.73