vectorization

1熱度

1回答

如何讓`integration（）`在R函數中接受一個向量？

我在想如何讓我的功能Bpp到接受一個向量作爲它的第一個參數t？ Bpp = function(t, n1, n2 = NULL){ N = ifelse(is.null(n2), n1, n1*n2/(n1+n2)) df = ifelse(is.null(n2), n1 - 1, n1 + n2 - 2) H1 = integrate(function(del

2熱度

1回答

半正弦波的最小的高效計算距離

我有一個數據幀與> 2.7mm的座標，和一個單獨的列表的〜2000座標。我試圖返回座標每個單獨的行與列表中的每個座標之間的最小距離。以下代碼適用於小規模（200行數據框），但在計算2.7MM以上的行時，它似乎永遠運行。 from haversine import haversine df Latitude Longitude 39.989 -89.980 39.923 -89.901

2熱度

1回答

如何有條件地按行比較數據行並將不同的結果輸出到其他列？

如何有條件地按行比較數據行並將不同的結果輸出到其他列？請參考下面dataset，第1行的den爲1，開始每行的權重以行1的重量進行比較，每行的體積行1 的量比較檢查某個行的Weight是否高於行1的權重，行1的higher列將變爲1，否則檢查某個行的Volume是否低於行1的Volume乘以1.0，第1行的列將變爲1. 在滿足這些條件之一之前，請繼續比較下一行和下一行....如果滿足第2行中

1熱度

1回答

Python Color Palettize Camera Frame非常慢

在Raspberry Pi上的Linux中，我使用Python來控制PiCamera和FLIR Lepton IR傳感器。我通過用每個幀的嵌入for循環中的值代替紅外圖像來調色。如預期的那樣非常緩慢。有沒有可用於加速Python的numpy或opencv技巧？慢速代碼： for i in xrange(lepton_buf.shape[0]): for j in xrange(l

1熱度

1回答

矢量化的限制是什麼？

我正在使用多維矩陣（約100尺寸左右，見下文爲什麼）。我的矩陣是NumPy數組，我主要將它們相乘。 NumPy以什麼形式照顧（關於速度或準確性），我要求它將這些矩陣相乘？即在執行乘法之前將它們重新整形爲線性陣列是否有意義？我用隨機矩陣做了一些自己的測試，似乎並不相關，但想對此有一些理論上的瞭解。我猜在Python處理它們緩慢之前，對於矩陣的大小有多大以及它們有多大是有限制的。有沒有辦法找到這個限

5熱度

2回答

只添加值，如果值大於零的Python多維數組

我有一個這樣的數組：tmp.shape = (128, 64, 64) 我指望沿128軸的所有零是這樣的： nonzeros = np.count_nonzero(tmp, axis=0) // shape = (64, 64) 我有一個陣列c.shape = (64, 64) 現在我要添加C的值，以沿軸線128 tmp下，但只有當TMP的值> 0： for i in range(tmp.sh

1熱度

1回答

從R中的完全矢量化函數子集？

我寫了Vectorize d 「主」功能下面list的三個對象：BF10,p.value和d。我不知道節約「主」函數調用像b對象（見下文）時，那麼，爲什麼我不能子集BF10，從bp.value或d？也就是說，運行主要功能後，當我當我運行： b = BF.d.pvalue(t = c(2.46, 3.21), n1 = c(20, 30), n2 = c(20, NA)) b$BF10 ; b

3熱度

2回答

使用numpy.vectorize（）旋轉NumPy數組的所有元素

我正處於學習NumPy的開始階段。我有一個3x3矩陣的Numpy數組。我想創建一個新的數組，其中每個矩陣旋轉90度。我研究了這個，但我仍然無法弄清楚我做錯了什麼。 import numpy as np # 3x3 m = np.array([[1,2,3], [4,5,6], [7,8,9]]) # array of 3x3 a = np.array([m,m,m,m]) #

0熱度

1回答

向量化與numpy

我想創建一個高斯模糊矩陣。我從http://www.labri.fr/perso/nrougier/teaching/numpy/numpy.html 修改代碼dev_data具有784個像素特徵的行，並且我希望模糊像素周圍的鄰居以及像素本身。當我們沿着外邊緣（第1行，-1，第1列，第-1行）時，丟棄任何超出邊界的鄰居。我不太清楚如何做這個丟棄。代碼： # Initialize a new fe

0熱度

1回答

朱莉婭語。如何擊敗矢量化操作？

據說Julia for-loops與矢量化操作一樣快，甚至更快（如果它們使用得當的話）。我有兩段代碼。這個想法是爲給定的0-1序列找到一個樣本統計量，它是x（在這兩個例子中，我試圖找到一個總和，但是有更復雜的例子，我只是想了解一般意義在我的代碼中的性能陷阱）。第一個看起來像： S = 2 * sum(x) - n s_obs_new = abs(S)/sqrt(2 * n) pval = e