2回答
这是一个与类似的问题--但它实际上要基本得多。
假设我有这样一个结构化数组：
import sys
import numpy as np
from pprint import pprint
a = np.array([(1.5,2.5),(3.,4.),(1.,3.)],
dtype=[('x','f4'),('y',np.float32)])
pprint(a)
# array([(1.5, 2.5), (3.0, 4.0), (1.0, 3.0)],
# dtype=[('x', '&l
浏览 1提问于2013-12-10得票数 1
我有一个arff文件作为输入。我读取了arff文件并将元素值放入numpy ndarray.Now我的arff文件包含了一些'?‘其中的一些元素。基本上，这些是anamod计算的矩阵的属性值。anamod不能在“？”中计算插头的值。那些人的性格。我想为我的数据做一个天真的白杨，随机森林等预测。所以要处理“？”我想使用一个imputer，类似于:Imputer(缺失_ missing_values =‘NaN’，策略=‘Mean’，missing_values)--当然，上面的missing_values是字符串类型的。我的问题是如何将一些numpy ndarray元素的类型从float
浏览 1提问于2015-03-15得票数 1
回答已采纳
1回答
我想要的是找到2D NumPy数组中每一列的长度。
如果所有列的长度都相同，这对于numpy.shape来说是微不足道的。但是，如果列的长度不同，numpy.shape实际上不会告诉我不同列的长度。
a=np.asarray([[0,1],[0,1],[0,1]])
b=np.asarray([[0,1],[0,1,2],[0]])
a.shape,b.shape
((3,2), (3,))
我可以很简单地得到我想要的东西，比如，
lenb=[len(B) for B in b]
[2, 3, 1]
然而，我觉得必须有一种更干净、更快捷的方式来使用NumPy完成这项工作
浏览 1提问于2017-04-06得票数 1
我正在尝试学习一个用Python编写的FIR小例子。请参阅
我的目标是研究每个float16、float32和float64的输出精度是如何变化的(在numpy中有)。因此，对于第一种情况，我需要将所有的计算都保留在float16中。问题是，我应该每次转换数据，以确保我使用的格式是正确的。是否有一种方法可以在整个计算中始终使用统一的上下文，即使用float16来执行所有的计算(加法、减法、cos、sin，例如，不需要重写带强制转换的代码)？
浏览 0提问于2019-03-06得票数 3
在numpy 1.8.2中，当我索引固定长度字符串的numpy数组并请求一个值时，我得到一个长度为1的numpy数组，支持numpy操作。所以：
import numpy as np
strs = np.array(('aa', 'bbb', 'c'), dtype=np.dtype('|S4'))
print type(strs[(0,)])
我得到了
<type 'numpy.string_'>
如果我对对象数组执行相同的操作：
strs = np.array(('aa', '
浏览 0提问于2015-07-09得票数 1
2回答
我想创建一个数组来保存混合类型-- string和int。
以下代码没有按预期工作-所有元素都被类型化为字符串。
>>> a=numpy.array(["Str",1,2,3,4])
>>> print a
['Str' '1' '2' '3' '4']
>>> print type(a[0]),type(a[1])
<type 'numpy.string_'> <type 'numpy.string_&
浏览 2提问于2018-07-03得票数 3
我正在尝试创建一个2x2numpy的python对象数组： #include <boost/python.hpp>
#include <boost/python/numpy.hpp>
int main()
{
Py_Initialize();
boost::python::numpy::initialize();
boost::python::tuple shape = boost::python::make_tuple(2, 2);
boost::python::object obj;
boost::python::numpy
浏览 9提问于2020-08-04得票数 1
回答已采纳
2回答
如何在Cython中创建int类型的空numpy数组？下面的代码适用于双精度或浮点数组：
# make array of size N of type float
cdef np.ndarray[float, ndim=1] myarr = np.empty(N)
# make array of size N of type int
cdef np.ndarray[int, ndim=1] myarr = np.empty(N)
但是，如果我尝试对int执行相同的操作，则会失败：
# this fails
cdef np.ndarray[np.int, ndim=1] myarr = np.e
浏览 0提问于2013-04-23得票数 14
回答已采纳
2回答
我已经定义了一个自定义的dtype。例如：
vec = np.dtype([('x', float), ('y', float), ('z', float)])
quat = np.dtype([('w', float), ('v', vec)])
现在我想做一个标量四元数：
quat((1.0, (0.0, 0.0, 0.0)))
我希望如果有的话，我的元组语法是不可接受的。但是，相反，我得到了以下错误：
TypeError: 'numpy.dtype' object is not callabl
浏览 1提问于2020-09-12得票数 0
回答已采纳
4回答
我在NumPy中有一个简单的一维数组和一个空数组。我试图将它们连接起来，但是我得到了一个浮动数组。
from numpy import *
a = zeros(5,'i')
a += 1
b = []
c = hstack((a,b))
d = concatenate((a, b))
print("a",a)
print("b",b)
print("c",c)
print("d",d)
我得到了：
a [1 1 1 1 1]
b []
c [1. 1. 1. 1. 1.]
d [1. 1. 1. 1. 1.]
浏览 9提问于2020-02-17得票数 1
回答已采纳
1回答
numpy 描述了创建自定义复合类型的选项。
人们应该如何使用它们？
我可以想象一个实际的例子是一个复合时间格式，它可以用于统一python、hdf5和numpy，例如：
custom_time = np.dtype( [ ('h', np.int8) , ('m', np.int8), ('s', np.float)] )
t = custom_time(23,59,59.99999)
(上面的一行不起作用--我得到了TypeError: 'numpy.dtype[void]' object is not callable__
浏览 3提问于2022-04-25得票数 1
回答已采纳
1回答
我有“2006年至2016年IMDB数据”的数据框，它在Kaggle站点：。我已经将它作为numpy数组，但是当我想要将它的两行的内积赋给numpy.float64变量时，它给出了这个错误：
sim[i][1] = np.inner(vec[i],vec[1])
TypeError: 'numpy.float64' object does not support item assignment
下面是我的代码：
X = trainset.drop(['Description', 'Runtime','Director','
浏览 3提问于2018-07-26得票数 0
回答已采纳
4回答
我试图使用以下代码将图像从BGR转换为灰度格式：
img = cv2.imread('path//to//image//file')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
这似乎很好:我检查了img变量的数据类型，这个变量原来是numpy ndarray，形状是(100,80,3)。但是，如果我给出了一个本机numpy ndarray数据类型的映像，该数据类型与cvtColor函数的输入维数相同，它将给出以下错误：
Error: Assertion failed (depth == 0 || depth == 2 || dep
浏览 0提问于2018-05-13得票数 14
回答已采纳
如何有效地将numpy.float64数组转换为float元组
输入是
a = array([array([1.]), array([2, 3]), array(['a', 'b', 'c'])])
其中值为numpy基本类型，如numpy.float64、numpy.int32、numpy.str_等。
输出是
((1.,), (2, 3), ('a', 'b', 'c'))
其中值是原生类型的float、int、str、.
我想可能有递归和迭代的方法..。有什么想法吗？
浏览 0提问于2015-11-15得票数 1
回答已采纳
2回答
为什么numpy数组中的元素不相等？
这是我的env：
jupyter QtConsole 4.3.1
Python 2.7.13 |Anaconda custom (x86_64)| (default, Dec 20 2016, 23:05:08)
Type "copyright", "credits" or "license" for more information.
IPython 5.3.0 -- An enhanced Interactive Python.
? -> Introduction and ove
浏览 0提问于2018-06-28得票数 0
1回答
我想用函数修改后的同一行替换NumPy数组的一行。
下面是我的代码：
def _softmax(z):
array = np.exp(z)
array = np.divide(array,np.sum(array))
return array
a = np.array([[1,2,3,4],[5,15,4,7]])
n =_softmax(a[0])
print(n)
a[0]= n
print(a[0])
我得到了如下结果：
[0.0320586 0.08714432 0.23688282 0.64391426]
[0 0 0 0]
正如您所看到的，n是可以的，但是a
浏览 70提问于2019-11-08得票数 1
回答已采纳
当使用自定义类的numpy array时：
class TestClass:
active = False
如何使用内联掩码(布尔索引数组)，如下所示：
直接尝试失败：
items = np.array([TestClass() for _ in range(10)])
items[items.active]
AttributeError: 'numpy.ndarray' object has no attribute 'active'
有什么建议吗？
浏览 4提问于2016-08-14得票数 0
回答已采纳
我试图理解“Numpy”中的数据类型的逻辑。
numpy.min_scalar_type(10)
-> uint8
以及：
a = numpy.array([10])
print(a.dtype)
-> int32 (on my machine)
我期待的是uint8而不是int32，因为(1.9)文档说：
numpy.array(object，dtype=None，.)
数据类型:数据类型，可选。数组所需的数据类型。如果未给出，则该类型将被确定为保持序列中的对象所需的最小类型。
以及：
numpy.min_scalar_type(a)
对于标量a，返回具有最小大小和最小
浏览 7提问于2015-08-28得票数 4
回答已采纳
我是python的新手，目前正在使用numPy库和pyinterval库。我想构建一个不是由浮点数组成的矩阵，而是一个由区间组成的矩阵。
但是，如果我执行以下操作：
A = [[interval([2,3]), interval([0,1]), interval([1,2]), interval([2,3])]]
m = np.matrix(A,interval)
它会给出以下错误：
raise ValueError, "matrix must be 2-dimensional"
为了了解它是如何做到这一点的，我看了一下：
np.array(A)
并得到以下输出：
array(
浏览 1提问于2011-11-26得票数 2
回答已采纳
我有一个numpy矩阵X，我尝试使用以下代码更改第一列的数据类型：
X[:, 1].astype('str')
print(type(X[0, 1]))
但我得到了以下结果：
<type 'numpy.float64'>
有人知道为什么类型没有改为str吗？更改X的列类型的正确方法是什么?谢谢！
浏览 0提问于2016-04-10得票数 9
2回答
当我从熊猫开始，试图理解如何使用给定的数组或列表创建系列时，我碰到了这条线.
如果您在NumPy的帮助下初始化了一个系列对象，那么您只能在其中保存同构数据.。
我听不懂上面写的是什么！我想，只要它在整个特定向量中是相同的，级数就可以保持任何d型，不是吗？那么，在这种情况下，上线意味着什么呢？
这是在这句话之前写的代码.
import numpy as np
import pandas as pd
labels = ['a','b','c']
my_data = [10,20,30]
arr = np.array(my_data)
print(
浏览 3提问于2020-05-21得票数 0
回答已采纳
我拥有的：
我正在创建一个dataclass，并说明其元素的类型：
class Task():
n_items: int
max_weight: int
max_size: int
items: numpy.array(Item) # incorrect way of doing it
我想做什么
我想声明，items将是类"Item“的服从项的numpy数组。
浏览 9提问于2020-03-26得票数 3
回答已采纳
我有一个关于python/numpy执行类型转换的奇怪方式的问题。当我在float32和float64数字之间执行算术运算时，较低的精度被转换为float64，然后执行该操作，结果将为float64。但是当list或numpy数组由float32数字组成时，这种类型转换是以相反的方向执行的，即这次是将float64数字向下转换为float 32数字。
>> a = numpy.float32(10.0)
>> b = numpy.float64(1.0)
>> (a/b).dtype
dtype('float64')
>>
浏览 11提问于2016-12-02得票数 2
2回答
from numpy import *
a=array([0.,0.001,0.002])
b=array([[1,11],[2,22],[3,33]])
b[:,1]=a
print b
因此，我期望：
array([[ 1. , 0. ],[ 2. , 0.001 ],[ 3. , 0.002 ]])
但我得到了：
array([[ 1 , 0 ], [ 2 , 0 ] , [ 3 , 0 ]])
为了获得想要的结果，我必须键入：
from numpy import *
a=array([0.,0.001,0.002])
b=array([[1,11],[2,22],[3,33]]
浏览 0提问于2014-02-02得票数 4
回答已采纳
在CPU上，torch.as_tensor(a)是否与numpy数组的torch.from_numpy(a)相同，a？若否，原因为何？
来自torch.as_tensor的文档
如果数据是对应dtype的dtype，而device是cpu，则不执行复制。
来自torch.from_numpy的文档
返回的张量和ndarray共享相同的内存。张量的修改将反映在ndarray中，反之亦然。
在这两种情况下，任何更改结果的张量都会更改原始的numpy数组。
a = np.array([[1., 2], [3, 4]])
t1 = torch.as_tensor(a)
t2 = tor
浏览 3提问于2020-05-26得票数 5
我正在尝试子类化一个numpy结构数组，这样我就可以在子类中添加特殊的方法。一切都很好，直到我从数组中检索到一个索引。当发生这种情况时，将返回numpy.void类型的对象，而不是子类的类型。(实际上，无论是否进行子类化，从结构化数组中检索单个索引都会返回numpy.void类型的对象。)为什么会这样呢？我如何确保返回我的类的一个实例？我认为重写__getitem__是可行的方法，但我对ndarray子类化还不够熟悉，不能确信我不会搞砸其他事情。请给我建议。
下面是我所描述的行为的一个示例：
import numpy as np
# The ndarray subclass
class Fo
浏览 0提问于2013-11-19得票数 3
我是python的新手，我必须为class编写一个函数。它接收一个numpy数组，并在其中搜索某些整数。我使用doctest测试函数的返回值，并在结果中接收到dtype。
例如：
Expected:
array([1,2,3])
Got:
(array([1,2,3], dtype=int64),)
该函数将被自动标记，所以我不确定如何正确地返回它。
我做了一些研究，有人建议使用numpy.astype将类型更改为int32，但我在尝试这样做时收到了一个错误。
myarray = myarray.astype('int32')
有没有办法让它不显示dtype？
浏览 0提问于2015-03-02得票数 0
回答已采纳
考虑以下简单示例：
x = numpy.array([(1,2),(3,4)],dtype=[('a','<f4'),('b','<f4')])
y = numpy.array([(1,2),(3,4)],dtype=[('c','<f4'),('d','<f4')])
numpy.hstack((x,y))
其中一个会出现以下错误：
Traceback (most recent call last):
File "<stdi
浏览 2提问于2013-09-02得票数 9
我有两个不同类型的数组。
>>> type(pred)
<type 'numpy.ndarray'>
>>> type(label1)
<type 'tuple'>
将它们转换为np.ndarray
>>> nl = np.array(label1)
>>> npred = np.array(pred)
>>> type(nl)
<type 'numpy.ndarray'>
>>> type(npred)
浏览 4提问于2013-11-13得票数 3
回答已采纳
阅读TensorFlow文档：
import numpy as np
ndarray = np.ones([3, 3])
print("TensorFlow operations convert numpy arrays to Tensors automatically")
tensor = tf.multiply(ndarray, 42)
print(tensor)
print("And NumPy operations convert Tensors to numpy arrays automatically")
print(np.add(tenso
浏览 0提问于2020-04-04得票数 2
我用pandas.read_csv来读取excel文件，我的文件中有两个列，一个是字符串类型，另一个是整数。
data = pandas.read_csv('data.csv')
然后，我打印出这些numpy ndarray的数据类型。
print(type(data.get_values()[0, 0]))
print(type(data.get_values()[0, 1]))
结果：
<class 'str'>
<class 'int'>
它向我展示了一种在相同的numpy ndarray中添加两种不同数据类型的方法
浏览 3提问于2017-09-28得票数 0
回答已采纳
1回答
在Numpy中，似乎矩阵可以只是一个嵌套列表，不限于数字。例如
import numpy as np
a = [[1,2,5],[3,'r']]
b = np.matrix(a)
不会产生任何抱怨。
当列表可以处理非严格数学意义上的矩阵的对象时，这种容忍的目的是什么？
浏览 4提问于2016-11-17得票数 1
回答已采纳
我有一个Numpy数组，我想使用statistics.stdev()来计算它的标准差。此操作的输出有些出乎意料。 import numpy as np
from statistics import stdev, pstdev
>>> a = np.array([0, 1, 2, 3])
>>> stdev(a)
1.0 这既不是样本标准差 >>> stdev([0, 1, 2, 3])
1.2909944487358056 也不是总体标准差 >>> pstdev([0, 1, 2, 3])
1.118033988749
浏览 22提问于2021-11-06得票数 2
回答已采纳
我有一个包含4列的列表，其中3列是np.floats，其中1列是str。
print("cluster", clusters[0], type(clusters[0][0]))
numpyClusters = np.copy(clusters)
print("numpyCluster", numpyClusters[0], type(numpyClusters[0][0]))
finalizedClusters = kMeansAlgorithm(dataSet, centeroids, clusters, oldClusters, k)
印出来
cluster
浏览 5提问于2021-02-24得票数 0
回答已采纳
5回答
当我在布尔型数组上使用numpy函数minimum()和maximum()时，结果的类型打印为numpy.int32。但是，与numpy.int32类型的比较失败(即使在强制转换之后)。这是一个bug吗？
g = np.ones((5, 5), dtype = np.bool)
h = np.maximum(g, 4)
i = np.int32(h)
print 'type of g ', g.dtype.type # prints <type 'numpy.bool_'>
print 'type of h ', h.dtype
浏览 1提问于2011-04-07得票数 3
回答已采纳
我有一个一般性的问题，但没有人能给我的答案，我做了很多搜索的官方文档的python和其他来源，如启动营和数据放大器。
问题是，我已经阅读了每个不支持超长数据类型()的numpy。
但是，当我编写下面的代码时，它工作得很好。那么，如果numpy不支持异构数据类型，那么为什么编码允许呢？
import numpy as np
x = np.array(["hello", 3, 4, 5])
print(a)
上述语句成功执行。
浏览 3提问于2021-05-11得票数 4
回答已采纳
我在使用Python/numpy方面是个文盲。
我有以下代码：
data = np.array([])
for i in range(10):
data = np.append(data, GetData())
return data
GetData()返回具有自定义dtype的numpy数组。但是，在执行上面的代码时，数字转换为float64，我怀疑这是我遇到的其他问题的罪魁祸首。如何在保留dtype的同时复制/追加函数的输出？
浏览 3提问于2022-02-10得票数 0
我有一个numpy数组：
arr = np.array([1, "sd", 3.6])
我想检测带有字符串类型值的单元格。
这是：
res = arr == type(str)
返回所有假的。
有什么帮助吗？
浏览 3提问于2022-05-01得票数 0
回答已采纳
当我对numpy进行索引时，有时索引可以是一个空列表，这样我希望numpy也返回一个空数组。例如：
a = np.array([1, 2, 3])
b = []
print a[b]
这可以很好地工作！当结果告诉我：
result:[]
但是当我使用ndarray作为索引器时，奇怪的事情发生了：
a = np.array([1, 2, 3])
b = []
c = np.array(b)
print a[c]
这给了我一个错误：
IndexError: arrays used as indices must be of integer (or boolean) type
然而，当我这
浏览 3提问于2017-03-07得票数 4
我有一个由一列numpy数组组成的pandas数据帧。我可以使用numpy.mean函数来计算数组的平均值。
import numpy
import pandas
f = pandas.DataFrame({"a":[numpy.array([1.0, 2.0]), numpy.array([3.0, 4.0])]})
numpy.mean(f["a"]) # returns array([2., 3.])
我想在Dask做同样的事情。
import dask.dataframe
import dask.array
g = dask.dataframe.from
浏览 12提问于2020-02-18得票数 1
回答已采纳
我有一个大小为268800的矮小数组。我使用这个数组作为反向传播算法的输入向量，我想将它规范化。但是，当我尝试时会发生一些奇怪的事情；向量的大小返回为0，我得到了错误：
Backpropagator.py:56: RuntimeWarning: divide by zero encountered in true_divide
x = input.x/np.linalg.norm(input.x)
Backpropagator.py:56: RuntimeWarning: invalid value encountered in true_divide
x = input.x/np.l
浏览 3提问于2015-08-20得票数 1
回答已采纳
我尝试将numpy数组与fromiter一起使用，但它给出了这个错误 import numpy
l=numpy.dtype([("Ad","S20"),("Yas","i4"),("Derecelendirme","f")])
a=numpy.array([("Dr.Wah",20,0.9)])
d=numpy.fromiter(a,dtype=l,count=3)
print(d) ValueError:使用序列设置数组元素。
浏览 27提问于2019-08-27得票数 0
1回答
我想要创建一个包含3列的numpy数组(不完全是这样)，最后一个是可变长度的列表(真的)。
N = 2
A = numpy.empty((N, 3))
for i in range(N):
a = random.uniform(0, 1/2)
b = random.uniform(1/2, 1)
c = []
A[i,] = [a, b, c]
在执行过程中，我将追加或删除列表中的项目。我使用numpy.empty来初始化数组，因为这应该提供一个对象类型，即使这样，我也得到了“设置带有序列错误的数组”。我知道我是，这就是我想做的。
以前关于这个主题的问题似乎是
浏览 1提问于2017-10-13得票数 0
回答已采纳
1回答
我正在用Python将一些旧的文本日志转换成可用的格式。这些文件很大，所以我正在编写自己的C扩展名，以尽可能快地运行这些文件，并使用正则表达式解析相关字段。我的最终目标是将这些字段导出到strings的strings数组中。我知道可以在C中将NumPy数组创建为PyObject，然后对每个元素调用SetItem，但我希望尽可能地进行优化。
我可以使用类似于memcpy PyBuffer_FromMemory 或PyBuffer_FromMemory之类的东西直接将C字符串读入 NumPy string 数组吗？--我知道NumPy数组在内部类似于C数组，但是否必须确保连续地分配NumPy数组？
浏览 5提问于2016-08-24得票数 3
回答已采纳
2回答
我有一个由cftime类的对象(dtype=object)组成的numpy数组。 In [1]: a
Out[1]:
array([cftime.DatetimeNoLeap(2000, 1, 1, 11, 29, 59, 999996, 5, 1),
cftime.DatetimeNoLeap(2000, 1, 2, 11, 29, 59, 999996, 6, 2),
cftime.DatetimeNoLeap(2000, 1, 3, 11, 29, 59, 999996, 0, 3)],
dtype=object)
In [2]: type(
浏览 15提问于2019-01-15得票数 1
回答已采纳
我找不到任何方法来确定数组是否是记录数组：
>>> import numpy as npy
>>> c0=npy.array([1,2])
>>> c=c0.view(dtype=[('x',int),('y',int)])
>>> c
array([(1, 2)],
dtype=[('x', '<i8'), ('y', '<i8')])
类型总是numpy.ndarray
>>> t
浏览 1提问于2014-07-17得票数 8
回答已采纳
在numpy中，要检查数组的类型，代码是
type(array_name)
但是要检查存储在数组中的值的类型，代码是
array_name.dtype
我本以为会
dtype(array_name)
这个问题总是在不同的背景下出现。
浏览 3提问于2021-11-20得票数 0
回答已采纳
我有一个需要转换为NumPy结构数组的字典。我使用的是arcpy函数，因此NumPy结构化数组是唯一有效的数据格式。
基于这个线程：和这个线程：
我试过了：
result = {0: 1.1181753789488595, 1: 0.5566080288678394, 2: 0.4718269778030734, 3: 0.48716683119447185, 4: 1.0, 5: 0.1395076201641266, 6: 0.20941558441558442}
names = ['id','data']
formats = ['f8',
浏览 0提问于2013-03-23得票数 45
回答已采纳
假设我有一个带有固定数据类型的初始numpy数组：
array = numpy.array([(1, 'a'), (2, 'b')],
numpy.dtype([('idfield',numpy.int32),
('textfield', '|S256')]))
现在我需要在for循环中填充这个数组，所以我这样做
for val in value:
array = np.append(array, np
浏览 2提问于2018-02-13得票数 1
回答已采纳
2回答
使用numpy阵的渐近数
、、、
在处理符号表达式数组时，是否应该使用numpy数组？
有点像
u0=numpy.array([Number(1.0), Number(1.0), Number(1.0)])
我的意思是，使用numpy数组而不是python列表会更快吗？
如果是这样，使用numpy数组的某些操作似乎会自动转换为浮动符号表示法，例如：
u0=np.array([Number(1.0), Number(1.0), Number(1.0)]) u = np.zeros((10, 3)) u[0] = u0
现在type(u0[0]) >> sympy.core.numbers.Float
type(u[0
浏览 4提问于2016-12-08得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
