numpy-broadcasting

0熱度

1回答

我想要實現使用Python中的矩陣以下循環： import numpy as np n = 5 # samples k = 2 # inputs m = 3 # gaussians # X is nxk X = np.array([[0.0, 10.0], [20.0, 30.0],[40, 50],[60,70],[80,90]]) #locations is mxk loc

0熱度

1回答

如何在Python中爲每個2D截面填充2D矩陣的4D矩陣

所以我有一個矩陣叫做Vjunk，它是70x70x70x70。我有另一個矩陣，它是70x70叫它V. 我想要做的是對於每個我，j矩陣Vjunk [：，：，i，j]是70乘70.我想改變這個矩陣所以它被它自己替換+ V [i，j]其中V [i，j]是我矩陣V的第ij個元素。我試過 [Vjunk [：，：，i，j] = Vjunk [：，：，i，j] -beta * V [i，j]我在範圍內（huma

0熱度

1回答

自動廣播在SciPy的

我有兩個np.ndarray S，data與形狀(8000, 500)和sample與形狀(1, 500)。我試圖實現的是在data到sample之間的每一行之間測量各種類型的指標。當使用from sklearn.metrics.pairwise.cosine_distances我能夠利用numpy的廣播中執行以下行 x = cosine_distances(data, sample) 但

0熱度

2回答

廣播兩者之間的同階張量

我有兩個張量x和s與形狀： > x.shape TensorShape([Dimension(None), Dimension(3), Dimension(5), Dimension(5)]) > s.shape TensorShape([Dimension(None), Dimension(12), Dimension(5), Dimension(5)]) 我想通過尺寸1廣播x和s之間

1熱度

2回答

是NumPy中可用的分層廣播嗎？

我不知道是否有一個內置操作可以從Python循環中釋放我的代碼。問題是這樣的：我有兩個矩陣A和B。 A有N行，B有N列。我希望將來自A的每個i行與來自B的相應i列相乘（使用NumPy廣播）。結果矩陣將在輸出中形成i圖層。所以我的結果將是三維數組。這樣的操作在NumPy中可用嗎？

0熱度

2回答

的Python：檢查陣列的列是邊界內，如果沒有邊界

我具有形式 a = np.array([[1,2],[3,4],[5,6]]) 陣列內選擇一個隨機數，並且我有一個「結構域」或邊界，而這又是形式 b = np.array([[0, 4], [3,7]]) 的陣列基本上我想檢查a[:,0]是b的第一行內並且a[:,1]是b第二行內。例如，在這個例子中a[:,0]=[1,3,5]，我們可以看到，他們所有的工作，除了5是大於4.同樣a[:,1]

1熱度

2回答

Numpy「double」 - 廣播 - 有可能嗎？

是否可以使用「double」 - 廣播去除下面的代碼中的循環？換句話說，要在整個時間陣列T以及相同尺寸的陣列freqs和phases上廣播。 freqs = np.arange(100) phases = np.random.randn(len(freqs)) T = np.arange(0, 500) signal = np.zeros(len(T)) for i in xrange(

0熱度

1回答

爲什麼不能用NumPy乘以一個2，2矩陣？

使用NumPy並嘗試將矩陣相乘有時不起作用。例如 import numpy as np x = np.matrix('1, 2; 3, 8; 2, 9') y = np.matrix('5, 4; 8, 2') print(np.multiply(x, y)) 可以返回 Traceback (most recent call last): File "vector-prac

0熱度

1回答

更多pythonic方式來計算numpy廣播添加的派生？

比方說c = a + b，但是a和b是ndarray s，其形狀不一定相同。也就是說，它們可以是遵循general broadcasting rules的任何兩個陣列。我有一些輸出的衍生dl/dc，我想計算dl/da。如果a和b的形狀相同，則dl/da = dl/db = dl/dc。但是，我可能會有一些像這樣的補充a.shape == (3,)和b.shape == (2,3)，所以c[i][

2熱度

1回答

大熊貓dataframes乘法具有或不具有廣播

I have 2 dataframes: >>> type(c) Out[118]: pandas.core.frame.DataFrame >>> type(N) Out[119]: pandas.core.frame.DataFrame >>> c Out[114]: t 2017-06-01 01:06:00 1.00 2017-06-01 01:13