reshape

1熱度

1回答

我想我在numpy的理解重塑功能直到我瞎搞與它跨越這個例子就是： a = np.arange(16).reshape((4,4)) 返回： array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15]]) 這對我來說很有意義，但是當我做的： a.reshape((2,8),

0熱度

1回答

從廣泛到長的嵌套重塑

當試圖將對象重塑爲長方向時，我總是收到各種錯誤消息。玩具數據： d <- structure(c(0.204, 0.036, 0.015, 0.013, 0.208, 0.037, 0.015, 0.006, 0.186, 0.044, 0.016, 0.023, 0.251, 0.044, 0.02, 0.01, 0.268, 0.04, 0.007, 0.007, 0.208, 0.062

0熱度

1回答

NumPy的調整或numpy的重塑

我一直在淘stackexchange檔案似乎並不能碰到正確的答案...應該重塑使用，應該調整使用，但都失敗...... 設置：兩項決議3個的netCDF文件... 1500儀，2千米需要調整或降低分辨率或重塑或任何合適的詞是使用兩種gdalinfo或「更高分辨率的文件： print（np.shape（array））「我們知道高分辨率文件的形狀或大小爲（2907,2331），而低分辨率數組的大小爲

1熱度

1回答

凱拉斯LSTM的輸入維度

所以我很確定我正確地輸入了尺寸。我認爲錯誤在於重塑投入，但並不確定。這裏就是我的工作： df_matrix = df_model.as_matrix() df_matrix = np.reshape(df_matrix,(-1,588425,26)) df_matrix.shape y_matrix = y.as_matrix() y_matrix = np.reshape(y_matr

1熱度

1回答

從TFRecords讀取時丟失數據

我正在創建tfrecords文件並從tfrecords讀取數據。 tfrecords有兩個功能，車輛和長度。創建tfrecords： writer = tf.python_io.TFRecordWriter(filename + '_Squence.tfrecords') example = tf.train.Example(features=tf.train.Features( fe

0熱度

1回答

R：如何根據多列上的因子水平來減去值？

我有一個數據幀看起來像這樣（使用reshape2 ::演員和合並）： time days treatment extrafactor1 extrafactor2 extrafactor3 animal1 animal2 animal3 10 83 control B water 2 2 67 40 10 83 control B water 3 50 67 39 10 83 control

1熱度

2回答

只收縮一些變量，長到R的寬格式

我對R相對比較陌生，每次我需要「重塑」數據時，我都感到非常困惑。我有一個看起來像這樣的數據：擁有： ID ever_smoked alcoholic medication dosage 1 1 no no humira/adalimumab 40mg 2 1 no no prednisone 15mg 3 1 no no azathioprine 30mg 4 1

1熱度

1回答

整形座標列表（Y上的堆棧X）

我有一個座標爲X，Y和類型的數據框。數據框看起來是這樣的： structure(list(Typ = c("Blue", "Blue", "Blue", "Blue", "Green", "Red", "Blue", "Blue", "Blue", "Red", "Red", "Red", "Cyan", "Cyan", "Cyan", "Blue", "Green", "Red", "G

0熱度

1回答

如何重塑這些數據來繪製ggplot2的多行？

我有一個數據幀，看起來像這樣： lethal.y lethal.x resist.y resist.x mock.y mock.x Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.0000 1st Qu.:0.3724 1st Qu.:0.4349 1st Qu.:0.658

0熱度

1回答

如何僅重塑numpy中的最後尺寸？

假設我有形狀爲(...,96)的A，並且希望將它重新整形爲(...,32,3)，同時保留兩個長度和之前的維數（如果有的話）完好無損。如何做到這一點？如果我寫 np.reshape(A, (-1, 32, 2)) 將扁平化之前的所有方面納入一個單一的，這是我不想要的。