numpy-broadcasting

    0熱度

    2回答

    我有一個一維數組numpy v。我想將它複製成矩陣,每行都是v的副本。這很簡單:np.broadcast_to(v, desired_shape)。 但是,如果我想對待v爲列載體,並將其複製到做一個矩陣,每個列是的v副本,我無法找到一個簡單的方法來做到這一點。經過反覆試驗,我能夠做到這一點: np.broadcast_to(v.reshape(v.shape[0], 1), desired_sha

    1熱度

    2回答

    在python的numpy中,爲什麼ogrid總是產生int64的結果? 對於我的應用程序,我不想使用int64,因爲內存限制(稍後將輸出組件一起播放時會起作用)。有什麼比重鑄,事後更好的選擇: y, x = np.ogrid[:9000,:9000] y = y.astype(np.int16) x = x.astype(np.int16) 對於大多數其他numpy的調用一個清潔的解決方

    0熱度

    1回答

    我有一列x行的SciPy csr_matrix(在這種情況下是一個向量)。它是浮點值,我需要將其轉換爲離散類標籤-1,0和1.這應該使用閾值函數將浮點值映射到這三個類標籤之一。 除了迭代Iterating through a scipy.sparse vector (or matrix)中描述的元素之外,沒有辦法嗎?我很想擁有一些優雅的方式來以某種方式映射(thresholdfunc())所有元素

    0熱度

    1回答

    當我發現以下奇怪現象時,我在networkx中使用以下代碼塊。在第一種情況下,我在稀疏矩陣上使用了ufunc multiply(*),這意外地正確地給了我一個度數序列。然而,當使用普通矩陣完成同樣的操作時,它會給我一個10 x 10的矩陣,並且正如預期的那樣np.dot(...)給了我正確的結果。 import numpy as np import networks as nx ba = n

    3熱度

    1回答

    我有一個多維數組的形狀是(32,3,5,5)和形狀爲(32,)的數組。我怎麼能乘以(我,3,5,5)與(i,)每個我使用numpy以外的for循環?

    2熱度

    1回答

    我有尺寸 M (NxC) # mask y (N,) values (N,) 我怎樣才能向量化以下3 numpy的陣列? for i in range(N): M[i][y[i]] = values[i]

    1熱度

    1回答

    說我有: a = np.array([[2, 4], [6, 8]]) b = np.array([[1, 3], [1, 5]]) 我想要去: c = np.array([[20,32], [28, 44]]) 其中c是b的a每一列相乘的結果,那麼將沿第一軸的結果相加。 即: print(np.sum(a[:, 0] * b, axis

    2熱度

    2回答

    早些時候,我問了一個類似的question,答案使用np.dot,利用了點積涉及產品總和這一事實。 (據我的理解。) 現在我有一個類似的問題,我不認爲dot將適用,因爲我想採取元素明智的對角線的總和的地方。如果是這樣,我還沒有能夠正確應用它。 給定一個矩陣x和陣列err: x = np.matrix([[ 0.02984406, -0.00257266], [-0.00257266

    0熱度

    1回答

    鑑於 a = tf.constant([[1, 2, 3], [10, 20, 30], [100, 200, 300], [1000, 2000, 3000]]) 以下全部是等價的 b = tf.constant([100000, 200000, 300000]) print((a+b).eval()) bb = tf.constant([[100000, 200000, 300000

    1熱度

    1回答

    我有一個數組表示三維空間中雲水濃度的值。在雲水濃度高於某個閾值的地方,我說我有云(見下面的橫截面)。大部分區域都是乾燥的,但是大部分區域都有層積雲,基地位於400米左右。 我想要做的就是提取(X,Y,Z)座標雲底和雲頂的。然後,我想在代表風速垂直分量的不同三維陣列上使用這些座標,以獲得雲底的上升氣流。 我現在正在做的工作,但速度很慢。我覺得必須有一種方法來利用NumPy來加速它。 這就是我現在做: