scipy

0熱度

1回答

我想知道是否有可能使用stats.linregress除了有固定截距，我目前做這,: from scipy import stats from numpy import arrange,array y = [0, 11, 19, 28, 41, 49, 62, 75, 81] xi = arange(0,9) scale, intercept, r_value, p_value, st

1熱度

1回答

錯誤：運行程序而進口seaborn-：從._ufuncs導入*導入錯誤：DLL加載失敗：指定的模塊找不到

我使用的是Window 10 64位 Python版本：的Python 3.6。 2（v3.6.2：5fd33b5，2017年7月8日，4時57分36秒）[MSC v.1900 64位（AMD64）]在Win32 我已經安裝SciPy的： C:\Users\Aswathi>pip install scipy-0.19.1-cp36-cp36m-win_amd64.whl Requirement

0熱度

2回答

是否有可以在Python中使用超過8位顏色的imresize模擬器？

我想調整每個顏色通道中由uint16值表示的圖像大小。如果我使用imresize它將數據轉換爲uint8值。如何保存uint16並調整圖像大小？另外我想使用interp='lanczos'調整大小的方法 - 不只是收縮數據，而是保存細節。是否有imresize模擬可以在Python中使用8位以上的顏色？

3熱度

2回答

創建改變在一定的坡度公式，可用在curve_fit

我目前正與擬合曲線下降到實際生產數據的功能。我有好運氣與創建一個雙曲線，並使用curve_fit從scipy.optimize。目前的功能我用： def hyp_func(x,qi,b,di): return qi*(1.0-b*di*x)**(-1.0/b) 我想現在要做的，是在下降一定幅度，轉變爲一個指數函數。我將如何去做這件事，仍然可以在curve_fit中使用（我認爲下面的作

2熱度

5回答

弧線長度使用scipy錯誤的結果

我試圖導出任意曲線的長度。我從一個簡單的例子開始，一個半徑爲R的圓。我得到了一個錯誤的結果！結果似乎不同於R的真實結果，這可能會給問題一些提示。以下代碼： from scipy.integrate import quad from scipy.misc import derivative import numpy as np r = lambda t: 1 x = lambda t

0熱度

1回答

SciPy的：fsolve浮動對象不是可迭代

我想用fsolve來求解α和β（從Beta分佈） import numpy as np from scipy.optimize import fsolve def mean_and_var(mu,sigma): a, b = mu,*sigma return (a/(a+b), a*b/(((a+b)**2)*(a+b+1))) args = (.5,.05) #

2熱度

2回答

使用numpy廣播與scipy truncnorm

我想評估一個單側截斷正態分佈的不同值的分位數和不同值的未截斷平均值。爲了提高效率，我想使用numpy廣播而不是Python循環。對於最小重複的例子，假設三個位數欲評價是[3.0, 2.0, 1.0]，相應未截斷平均值是[6.0, 5.0, 4.0]，該下限截止是在1.5，並且未截短標準偏差爲3.0。評估這些單獨工作如預期。如果我運行 import numpy as np from scipy

0熱度

1回答

如何優雅地「重構」一個numpy陣列

我正在使用一個numpy.array作爲數據緩衝區，我正在尋找一個優雅的方式來reframe它，以便它保留一部分初始數據，這取決於新的幀條件（緩衝液可以具有shrunk，expanded，shifted或shift + 2前的組合） Reframe可能不是這裏的合適術語。但下面的例子將有望更清晰：爲了簡單起見，我將使用False來說明一個空reframed數組元素： import numpy a

1熱度

2回答

從均勻分佈生成隨機數的最快方法python

我需要從均勻分佈生成大量（100萬）個隨機數。我做了一些實驗從生成均勻分佈60K隨機數超過[0-999]使用 scipy.stats.randint(0,1000).rvs(60000) ，並花了〜0.6秒。然後我嘗試同樣的事情，使用升壓庫 boost::random::uniform_int_distribution ，花了0.25秒〜。所以我的問題是 - 有沒有更好的方式來做我想用Pyth

3熱度

3回答

用極稀疏矩陣乘法的最快方法是什麼？

我有一個非常稀疏的結構化矩陣。我的矩陣每列只有一個非零的條目。但其巨大的（10K * 1M），並在下面的形式給出（例如uisng隨機值） rows = np.random.randint(0, 10000, 1000000) values = np.random.randint(0,10,1000000) 中行給我們在每列非零項的行號。我想要S與S進行快速矩陣乘法，我現在正在執行以下操作 -