vectorization

1熱度

1回答

在Matlab中，給定向量A（請在這裏找到：https://www.dropbox.com/s/otropedwxj0lki7/A.mat?dl=0），我怎樣才能找到最小範圍（或標準偏差）的n樣本向量子集？我在嘗試一個潛在的解決方案：在列中重塑矢量，執行每列的範圍並選擇最小的。但是，當應用於其他長度不同的示例時，重塑並不總是奏效。這怎麼能以更簡單和更高效的方式解決？ Fs = 1000; % s

1熱度

1回答

如何在Matlab中矢量化這些循環？

function[Y] = busadmittance(z) ne = z(:,1); nt = z(:,2); r = z(:,3); x = z(:,4); lines = length(ne); buses = max(max(ne), max(nt)); Z = r + 1j*x; y = ones(length(Z),1)./Z; Y =

2熱度

2回答

使用數組或向量在Python中使用numpy向數組或向量填充數組沒有循環

我試圖找到一種方法來填充數組的行值。用一個例子來表達我想要的輸出要容易得多。給定的N×M矩陣，ARRAY1的輸入， array1 = np.array([[2, 3, 4], [4, 8, 3], [7, 6, 3]]) 我想輸出陣列的陣列，其中每行是從相應的行組成的數值的N×N個。輸出將 [[[2, 3, 4], [2, 3, 4], [2, 3, 4]], [[4

0熱度

2回答

Matlab：向量化三維矩陣的工藝

我實際上向量化了我的一個代碼，並且遇到了一些問題。這是我最初的代碼： CoordVorBd = random(N+1,3) CoordCP = random(N,3) v = random(1,3) for i = 1 : N for j = 1 : N ri1j = (-CoordVorBd (i,:) + CoordCP(j,:)); vij(i

1熱度

1回答

如何計算R中矩陣中所有條件對的相對風險？

我在R中有一個數據框，其中每行是一個個體，每列是一個疾病代碼。每個細胞含有1或0來表示個體是否患有該疾病。對於每個疾病編碼X，我想將患有疾病X的個體與沒有疾病X的個體分開。然後，我想計算患有疾病X的患者也患有疾病Y或疾病Z的相對風險。下面是樣本數據而我的方法： # generate reproducible dataframe with disease diagnoses set.seed(2)

2熱度

1回答

如何在Julia函數調用中使用點語法

根據Julia documentation，我應該能夠使用fun.(A)爲陣列中的每個元素調用給定的（甚至是非矢量化的）函數，其中A是一個數組。我嘗試一個簡單的例子，它似乎並沒有工作： julia> x = collect(linspace(0,pi,100)); julia> y = sin.(x) ERROR: TypeError: getfield: expected Symbol, g

2熱度

1回答

熊貓替代方式添加新的列與許多條件以外的應用

我有兩個數據幀，比如說df和map_dum。這裏是df。 >>> print(df) sales 0 5 1 10 2 9 3 7 4 1 5 1 6 -1 7 2 8 9 9 8 10 1 11 3 12 10 13 -2 14 8 15 5 16 9 17 6 18 10 19 -1 20 5 21

1熱度

1回答

相關係數 - NumPy的/ Python的

讓 import numpy as np A = np.ones([n,m]) B = np.ones([o,n,m]) 是否有任何方式來計算相關係數不用其他循環使得 C = corr(A,B) = array([1,o]) 凡m，n和o是用於表示尺寸。糊塗示例： from scipy.stats.stats import pearsonr A = np.random.rando

4熱度

2回答

MATMUL不同等級

我有3張 X形狀(1, c, h, w)，假設(1, 20, 40, 50) Fx形狀(num, w, N)，假設(1000, 50, 10) Fy形狀(num, N, h)，假設(1000, 10, 40) 我想要做的就是Fy * (X * Fx)（*意味着matmul ） X * Fx形狀(num, c, h, N)，假設(1000, 20, 40, 10) Fy * (X * Fx)形狀(n

0熱度

1回答

使用初始化結果循環更快的時間

我有這樣的代碼： def init_matr(r, c): matr = np.random.randint(2, size=(r, c)) return matr def init_matr_loop(r, c): matr = np.zeros((r,c)) for idx,i in enumerate(matr): matr[id