Numpy使用矩阵索引插入矩阵值
Numpy是一个Python库，用于进行科学计算和数值运算。它提供了一个强大的多维数组对象和一系列处理数组的函数，是进行矩阵运算和数值计算的重要工具之一。
在Numpy中，可以使用矩阵索引来插入矩阵值。矩阵索引可以是一个标量值，也可以是一个数组或切片对象。下面是一些常见的矩阵索引插入操作示例：
- 使用标量值插入矩阵值：
import numpy as np
matrix = np.zeros((3, 3)) # 创建一个3x3的零矩阵
matrix[1, 1] = 5 # 在索引为(1, 1)的位置插入值5
print(matrix)输出结果为：
[[0. 0. 0.]
[0. 5. 0.]
[0. 0. 0.]]- 使用数组插入矩阵值：
import numpy as np
matrix = np.zeros((3, 3)) # 创建一个3x3的零矩阵
indices = np.array([[0, 1], [1, 2]]) # 创建一个包含插入位置的索引数组
values = np.array([1, 2]) # 创建一个包含要插入的值的数组
matrix[indices[:, 0], indices[:, 1]] = values # 在指定位置插入对应的值
print(matrix)输出结果为：
[[0. 1. 0.]
[0. 0. 2.]
[0. 0. 0.]]- 使用切片对象插入矩阵值：
import numpy as np
matrix = np.zeros((3, 3)) # 创建一个3x3的零矩阵
slice = np.s_[1:3, 1:3] # 创建一个切片对象，表示要插入的位置范围
matrix[slice] = 3 # 在指定的切片范围内插入值3
print(matrix)输出结果为：
[[0. 0. 0.]
[0. 3. 3.]
[0. 3. 3.]]总结：Numpy提供了多种方式来使用矩阵索引插入矩阵值，包括使用标量值、数组和切片对象。通过合理使用这些索引方法，可以灵活地进行矩阵操作和数值计算。
推荐的腾讯云相关产品：腾讯云服务器（https://cloud.tencent.com/product/cvm），腾讯云对象存储（https://cloud.tencent.com/product/cos），腾讯云云数据库（https://cloud.tencent.com/product/cdb）等。
相关·内容
1回答
我有下面的代码来创建一个4D grid矩阵，我希望将滚动的2D vals矩阵插入到这个网格中。 import numpy as np
k = 100
x = 20
y = 10
z = 3
grid = np.zeros((y, k, x, z))
insert_map = np.random.randint(low=0, high=y, size=(5, k, x))
vals = np.random.random((5, k))
for i in range(x):
grid[insert_map[:, :, i], i, 0] = np.roll(vals, i) 如果v
浏览 19提问于2021-02-05得票数 0
回答已采纳
我需要使用numpy在另一个矩阵中插入一个矩阵 我需要插入的矩阵如下所示： tetraminos = [[0, 1, 0],
[1, 1, 1]] 而另一个矩阵是这样的： board = numpy.array([
[6,0,0,0,0,0,0,0,0,0],
[6,0,0,0,0,0,0,0,0,0]
]) 我实际使用的代码是： board[0:0 + len(tetraminos), 0:0 + len(tetraminos[0])] = tetraminos 我得到的问题矩阵是这样的： wrong_matrix = numpy.array(
浏览 51提问于2021-03-12得票数 0
回答已采纳
下面是Python3.5中我的numpy矩阵的图片。A是具有形状的矩阵(35,50)。
包含np.max(A)的行返回最大值的正确值，在我的数据集中，最大值确实是2372。但是，当我试图复制numpy文档时，如下所示：
我没有得到与文档中的结果类似的结果。所有的索引对是不同的。我尝试了第一个索引对：A[18][29]，但它是值506的元素的索引，当时我认为这只会返回矩阵的最大值的索引。这就留给我两个问题：
如果这些索引对不是矩阵的最大值的指数，即np.max(A)，那么它们是什么？
numpy是否可以返回矩阵中任何给定形状(我的形状为35,50)的实际元素的索引？理想情况下
浏览 0提问于2016-12-05得票数 0
回答已采纳
2回答
from numpy import linalg
from numpy import matmul
M = [[2,1],[1,3]]
b = [[3],[-1]
Mb = []
nrows = 2
ncols = 2
for i in range(0,nrows):
sum = 0
for j in range(0,ncols):
sum = sum + M[i,j] * b[j]
Mb[?] = ?
print(Mb)
#这样做的目的是用一个循环来乘矩阵。在尝试运行时，我一直得到错误(python列表索引必须是整数而不是元组)。我
浏览 5提问于2022-04-01得票数 0
5回答
昨天，我需要Python中的一个矩阵类型。
显然，这一需求的一个简单的答案是使用numpy.matrix()，但我还有一个问题是，我想要一个矩阵来存储具有混合类型的任意值，类似于一个列表。numpy.matrix不执行此操作。一个例子是
>>> numpy.matrix([[1,2,3],[4,"5",6]])
matrix([['1', '2', '3'],
['4', '5', '6']],
dtype='|S4'
浏览 3提问于2009-04-04得票数 6
回答已采纳
就像问题说的那样，我有一个2D矩阵(1000,2000)，在这个矩阵中，我用numpy where函数应用了一个条件：
import numpy as np
A = np.random.randn(1000, 2000)
print(A.shape)
(1000, 2000)
mask = np.where((A >=0.1) & (A <= 0.5))
A = A[mask]
print(A.shape)
(303112,)
在一个只支持一维矩阵的Fortran程序中，得到一个平坦矩阵作为输入，该程序的输出与输入一维矩阵(303112，)具有相同的维数，是否有任何方法
浏览 0提问于2021-02-10得票数 1
回答已采纳
我需要解决这个问题：
检查AT * n * A = n，其中A是测试矩阵，AT是转置测试矩阵，n= [[1,0,0,0],[0,-1,0,0],[0,0,-1,0],[0,0,0,-1]]。
由于浮点乘法中的数值误差，我不知道如何检查是否相等。我该怎么做呢？
当前代码：
def trans(A):
n = numpy.matrix([[1,0,0,0],[0,-1,0,0],[0,0,-1,0],[0,0,0,-1]])
c = numpy.matrix.transpose(A) * n * numpy.matrix(A)
然后试着
>if c == n:
return T
浏览 4提问于2015-02-08得票数 0
回答已采纳
我正在试图找到最好的方法来匹配Python中的两个数组轴，最有可能使用的是Numpy。更准确地说，我有C，它是一个H矩阵，D是一个H矩阵。H和W是图像的高度和宽度，例如L是可以在图像中显示的亮度集(例如，到100 )。D包含像素的真实亮度。
我希望将与C的第三轴亮度相关联的所有与D矩阵中亮度匹配的像素的亮度值相加，例如D矩阵中的值将告诉我要使用哪个索引来获得C矩阵中的值。
当然，我可以通过三个循环轻松地做到这一点：
sum = 0
for row in range(H) :
for column in range(W) :
for luminance in range(L) :
浏览 1提问于2019-04-11得票数 2
回答已采纳
我想预先分配一个整数矩阵来存储迭代中生成的索引。在MATLAB中，这可以在for循环之前通过IXS = zeros(r,c)获得，其中r和c是行数和列数。因此，后续for循环中的所有索引都可以分配到IXS中，以避免动态分配。如果我意外地在代码中选择了0，例如，错误地从矩阵中选取这些索引来选择元素，则可能会出现错误。
但在numpy中，0或其他负值也可以用作索引。例如，如果我在numpy中预分配IXS作为IXS=np.zeros([r,c],dtype=int)。在for循环中，由先前分配给IXS的索引指定的子矩阵可以通过MATLAB中的X(:,IXS(IXS~=0))获得，但是如果我以相同的方
浏览 0提问于2017-01-08得票数 1
1回答
我有一个大小为(850,850,850)的三维零矩阵，我想以一种均匀的方式在这个矩阵中插入1，密度极低=8*10^-7。我试着使用random.sparse (在较高密度下有效)，但它不起作用，我认为密度太低，它接近于零，实际上没有一个，而实际上应该有50个。为了更好地理解，下面是代码： import numpy as np
import random
space=np.zeros(shape=(850,850,850))
den=50/(850*850*850)
for k in range (0,850):
rdm_space=sparse.random(850, 850, d
浏览 3提问于2020-07-08得票数 1
回答已采纳
1回答
我想要写一个函数，将矩阵沿维插入到numpy数组中。其中，维数作为函数的参数给出。然而，我正在挣扎的事实是，维度将是动态的。如果我知道这个维度，像这样的东西会起作用的：
a = np.ones((2,3,4))
print a
[[ 1.1.1.1.1. 1. 1. 1.]
[1.1.1.1.1.1. 1. ]
a[:, 0, :] = np.ones((2,4))*2
print a
[[ 2.2.2.1.1.1.]
[2.2.2.1.1.1.]
如何使插入2x4 (或2x3，3x4)矩阵的维数动态化？
换句话说，假设arr.shape = (2,3,4)：
f(arr,
浏览 1提问于2017-04-30得票数 0
回答已采纳
3回答
我想要在矩阵"A“的每一行的最大值的相同索引下提取数组"B”的值。为了找到索引，我使用numpy函数"numpy.argmax“，如下所示：
>>> A=numpy.asarray([[0,1,6],[3,2,4]]);A
array([[0, 1, 6],
[3, 2, 4]])
>>> argA=numpy.argmax(A,axis=1);argA
array([2, 2])
问题是我不知道如何使用"argA“来提取数组"B”中的值。
浏览 1提问于2012-07-03得票数 3
假设我有一个稀疏矩阵c和一个numpy数组a。我想根据a的某些条件对c的条目进行切片。
import scipy.sparse as sps
import numpy as np
x = np.array([1,0,0,1])
y = np.array([0,0,0,1])
c = sps.csc_matrix( (np.ones((4,)) , (x,y)), shape = (2,2),dtype=int)
a = np.array([ [1,2],[3,3]])
idx = c != 0
变量idx现在是布尔值的稀疏矩阵(它只列出了True的)。我想切片矩阵a，并调用a的相同条目，其中c
浏览 2提问于2014-10-22得票数 2
回答已采纳
我正在写在4x4矩阵中插入值的verilog代码，我需要收集16个输入，每个输入都在4x4矩阵中。我该怎么做呢？
<code>A0</code>
浏览 51提问于2020-11-19得票数 0
我得到了Numpy矩阵(M)的0个元素的索引：
index_array = numpy.argwhere(M == 0)
现在，我想把这些索引元素(index_array中的索引)作为其他矩阵B中的0。
例如: index_array包含
[[2 1]
[4 4]]
，使矩阵B中(2,1)和(4,4)处的元素为0。
浏览 4提问于2017-03-24得票数 0
回答已采纳
1回答
我试图使两个向量的外积更有效，方法是移除零元素，做外积，然后用零号行放大得到的矩阵，或者插入零矩阵。(使用scipy对矩阵进行解析并不真正有效，因为转换的成本很高，而且我一遍又一遍地这样做。)
import numpy
dim = 100
vec = np.random.rand(1, dim)
mask = np.flatnonzero(vec > 0.8)
vec_sp = vec[:, mask]
mat_sp = vec_sp.T * vec_sp # This is faster than dot product
# Enlarge matrix or insert into
浏览 0提问于2018-11-20得票数 0
回答已采纳
1回答
我想知道在Python：中是否存在类似的方法(Mathematica)。
我已经在Python中尝试过了，但是它不起作用。我也尝试过使用numpy.put()或简单的2 for循环。这两种方法工作正常，但我发现它们对较大的矩阵(例如，3000×3000元素)非常耗时。
描述了Python中的问题
import numpy as np
a = np.arange(0, 25, 1).reshape(5, 5)
b = np.arange(100, 500, 100).reshape(2, 2)
p = np.array([0, 3])
a[p][:, p] = b
输出不改变的矩阵a：。
浏览 2提问于2021-01-16得票数 0
回答已采纳
1回答
我有N维矩阵，它包含N个参数的函数的值.每个参数都有一个离散的值。除了一个参数外，我需要最大化所有参数的函数，从而得到一个一维的大小向量，等于非最大化参数的值数。我还需要保存由其他参数获取的值。
为此，我想迭代地在不同的轴上应用numpy.max，以减少矩阵的维数，以找到我需要的东西。最后的向量将取决于我忽略的参数。
但是，我很难找到最终元素的原始索引(这些索引包含有关其他参数所取值的信息)。我想以与numpy.argmax相同的方式使用numpy.max，但无法获得原始索引。
我正在尝试的一个例子是：
x = [[[1,2],[0,1]],[[3,4],[6,7]]]
args = np.a
浏览 3提问于2013-11-21得票数 7
回答已采纳
1回答
我想将一个列表插入到基于numpy的矩阵中的特定索引中。例如，下面的代码(Python2.7)应该在第二个位置将列表[5,6,7]插入到M中：
M = [[0, 0], [0, 1], [1, 0], [1, 1]]
M = np.asarray(M)
X = np.insert(M, 1, [5,6,7])
print(X)
然而，这并不能输出我想要的结果。它会将所有列表合并成一个列表，从而使矩阵M变得混乱。我如何实现在基于numpy的矩阵的任何位置添加任何列表？
谢谢
浏览 6提问于2018-02-22得票数 0
1回答
我想知道numpy.where (从booleans到indices)是否与从索引到booleans的相反，例如numpy.there。
一个可能的实现可以使用席比的稀疏矩阵：
from scipy.sparse import csr_matrix
numpy_there = lambda there, n: numpy.array(
csr_matrix((
[1]*len(there),
there,
[0, len(there)]
),
shape=(1,n),
dtype=numpy.bool
).todense())[0,:]
numpy_t
浏览 2提问于2015-10-27得票数 2
回答已采纳
我正在寻找稀疏矩阵(scipy.sparse.csc_matrix)中包含非零元素的第一列。实际上，从i-th开始的第一列包含一个非零元素。
这是某种类型的线性方程解算器的一部分。对于稠密矩阵，我有以下结论：(相关行是pcol = ...)
import numpy
D = numpy.matrix([[1,0,0],[2,0,0],[3,0,1]])
i = 1
pcol = i + numpy.argmax(numpy.any(D[:,i:], axis=0))
if pcol != i:
# Pivot columns i, pcol
D[:,[i,pcol]] =
浏览 0提问于2015-06-15得票数 2
1回答
比方说：
import numpy as np
f=np.matrix("1 2; 3 4 ; 5 6")
是否可以从矩阵中检索列数之和最大的列数？多么?
浏览 3提问于2015-03-24得票数 3
1回答
与numpy数组/矩阵不同，CSR矩阵似乎不允许自动广播。在CSR实现中有一些方法用于按元素进行乘法，而不是加法.如何通过标量有效地将CSR稀疏矩阵添加到CSR稀疏矩阵中？
浏览 2提问于2017-07-12得票数 4
回答已采纳
我有一个多维矩阵，其中我想以(i,j)的形式找到矩阵中所有元素的索引。哦，不幸的是，我不能使用numpy模块。所以，如果代码没有“numpy”的话，那就更好了。
汇总表是：
[[0, 1.0, 1.0, 1.0, 5.0, 4.0],
[1.0, 0, 1.0, 1.0, 5.0, 4.0],
[1.0, 1.0, 0, 1.0, 1.0, 1.0],
[1.0, 1.0, 1.0, 0, 1.0, 1.0],
[5.0, 5.0, 1.0, 1.0, 0, 0],
[4.0, 4.0, 1.0, 1.0, 0, 0]]
浏览 2提问于2016-01-11得票数 0
回答已采纳
1回答
我编写了一个函数来查看矩阵是否对称：
def issymmetric(mat):
if(mat.shape[0]!=mat.shape[1]):
return 0
for i in range(mat.shape[0]):
for j in range(i):
if (mat[i][j]!=mat[j][i]):
return 0
return 1
它适用于内置的ndarray，例如numpy.ones：
import numpy as np
a=np.ones((5,5), int
浏览 5提问于2015-11-01得票数 0
回答已采纳
1回答
带枕的稀疏矩阵的群
、、、、
我用scipy构建了一个稀疏矩阵S。矩阵S对500列有10^6行。
我还有一个具有10^6值的numpy数组A，如下所示：
A = [1,1,2,2,2,3,4,5,6,6,7,8,8,8,...]
我想在稀疏矩阵S上按照数组A编写的组进行分组，并使用numpy.sum()作为聚合函数。
我该怎么做？当然，我所有的东西都需要放进内存中，所以我不得不为S使用稀疏矩阵。
浏览 3提问于2015-05-16得票数 2
回答已采纳
这个问题是关于根据某些列值过滤NumPy ndarray。
我有一个相当大的NumPy ndarray (300000，50)，我正在根据某些特定列中的值对其进行过滤。我有ndtypes，所以我可以按名称访问每一列。
第一列名为category_code，我需要过滤矩阵，只返回category_code在("A", "B", "C")中的行。
结果将需要另一个NumPy ndarray，它的列仍然可以通过dtype名称访问。
我现在要做的是：
index = numpy.asarray([row['category_code']
浏览 2提问于2012-08-23得票数 7
回答已采纳
我有一个很大的numpy矩阵M。矩阵的某些行的所有元素都为零，我需要获得这些行的索引。我正在考虑的简单方法是遍历矩阵中的每一行，然后检查每个元素。然而，我认为使用numpy有一种更好、更快的方法来实现这一点。希望你能帮上忙！
浏览 1提问于2014-05-19得票数 32
回答已采纳
此代码按预期工作：
import numpy as np
from PIL import Image, ImageDraw
A = (
( 2, 2),
( 2, 302),
( 302, 302),
( 302, 2)
)
img = Image.new('L', (310, 310), 0)
ImageDraw.Draw(img).polygon(A, outline=1, fill=1)
mask = np.array(img)
print(mask)
但是，如果A矩阵作为numpy数组提供：
A = np.array(
浏览 0提问于2018-04-05得票数 3
回答已采纳
1回答
我想检查两个稀疏数组是否(几乎)相等。而对于numpy数组，您可以这样做：
import numpy as np
a = np.ones(200)
np.testing.assert_array_almost_equal(a, a)
这不适用于稀疏数组，我可以理解这一点(对于较小的矩阵返回error AttributeError: ravel not found，或者返回与数组大小相关的错误)。是否有一个等价于测试稀疏矩阵的参数？我可以将稀疏矩阵转换为密集矩阵，并使用numpy测试函数，但有时由于(内存/大小)的限制，这是不可能的。例如：
from scipy import sparse
浏览 3提问于2017-12-12得票数 2
回答已采纳
1回答
例如，我有一个numpy矩阵：
a = np.array([[1, 2], [3, 4]])
然后，我想使用另一个带有索引的numpy矩阵来扩展该矩阵，例如：
idxes = np.array(([0, 1, 0], [1, 0, 1]]) # the indexes matrix
手术就像：
result = a[:, idxes] # this is an wrong expression
我预期的结果是：
>>result
array([[1, 2, 1],
[4, 3, 4]])
我想知道怎么做。
浏览 0提问于2019-04-02得票数 2
回答已采纳
3回答
我的数组是一个2D矩阵，除了负值和正值外，它还具有numpy.nan值：
>>> array
array([[ nan, nan, nan, ..., -0.04891211,
nan, nan],
[ nan, nan, nan, ..., nan,
nan, nan],
[ nan, nan, nan, ...,
浏览 2提问于2012-09-14得票数 21
回答已采纳
我有大约10,000个稀疏矩阵，每个矩阵的大小为5万×5，平均密度为0.0004。对于每个循环(10000次)，我将计算numpy数组并将其转换为csr_matrix，并将其附加到列表中。但是内存消耗与附加numpy数组一样高，但不像附加csr_matrices那样高。
如何减少内存消耗，同时将这些10K稀疏矩阵存储在内存中，以便进一步计算？
样本代码：
from scipy.sparse import csr_matrix
import numpy as np
sparse_matrices = []
for i in range(10000):
np_array = get_np
浏览 2提问于2017-05-31得票数 1
回答已采纳
2回答
更改矩阵列的项
、、
我有以下矩阵：
import numpy as np
A:
matrix([[ 1, 2, 3, 4],
[ 3, 4, 10, 8]])
问题是如何输入以下限制:如果矩阵A中的任何列数小于或等于(<=) K (3)，那么在列的最后一个条目到5之间将该列的最后一个数更改为最小？所以基本上，我的矩阵应该转化为：
A:
matrix([[ 1, 2, 3, 4],
[ 3, 4, 5, 8]])
我试过这个功能：
A[-1][np.any(A <= 3, axis=0)] = np.maximum(A[-1], 5)
但我有以下错误：
Ty
浏览 0提问于2018-02-13得票数 2
回答已采纳
尝试在矩阵中使用numpy高级索引-
这按预期工作，返回整个矩阵，v
import numpy as np
v = np.reshape(np.arange(0,9), (3,3))
v[np.asarray([0,1,2])[:,np.newaxis], np.asarray([0,1,2])]
使用逻辑索引也如预期的那样工作：
v[np.asarray([0,1,2])[:,np.newaxis], np.asarray([True, True, True])]
令人惊讶的是(至少对我来说)，当切换索引向量的顺序时，这个错误？
v[np.asarray([True, True, True
浏览 16提问于2019-11-08得票数 0
回答已采纳
假设有几个函数被多次调用。这些函数在3d向量( 1x3数组)上执行乘法、除法、加法等操作。
给定：
import numpy as np
import math
x = [0,1,2]
y = [3,2,1]
a = 1.2
根据我的测试，python数学库执行以下操作的速度更快：
math.sin(a)
而不是让numpy去做：
np.sin(a)
此外，使用python时，像标准化这样的简单算法比使用中讨论的方法的np.linalg.norm更快。
现在如果我们给数据增加一点复杂性，比如对3d进行矩阵乘法，我们有一个3x3的旋转矩阵，然后乘以另一个矩阵并转置，numpy开始获得优势。
目前
浏览 0提问于2015-03-02得票数 0
1回答
我有一个程序，我试图根据几个IO生成输出--比如下面这两个IO。 ? 该程序识别网格中的对象，并将网格表示为numpy数组。有没有一个内置的numpy函数，或者优雅的解决方案，可以将一个对象‘插入’到numpy数组中？ 例如:如果它识别一个正方形对象，如[1，1，1，1]，而我有一个网格[0，0，0，0，0，0，0，0，0，0，0，0]，我如何将该对象插入到网格中，使其变为[0, 1, 1], [0, 1, 1], [0, 0, 0]
浏览 42提问于2020-06-21得票数 0
3回答
从矩阵中去除nan元素
、、、
我有一堆矩阵eq1，eq2等，定义如下
from numpy import meshgrid, sqrt, arange
# from numpy import isnan, logical_not
xs = arange(-7.25, 7.25, 0.01)
ys = arange(-5, 5, 0.01)
x, y = meshgrid(xs, ys)
eq1 = ((x/7.0)**2.0*sqrt(abs(abs(x)-3.0)/(abs(x)-3.0))+(y/3.0)**2.0*sqrt(abs(y+3.0/7.0*sqrt(33.0))/(y+3.0/7.0*sqrt(33.
浏览 7提问于2014-07-29得票数 0
回答已采纳
我正在寻找一种有效的方法，使索引矩阵的布尔矩阵，没有循环(与NumPy)。
索引矩阵由表示索引的元组构建。我需要从它构建一个布尔矩阵(大小不同和已知大小)，它将在索引矩阵中的所有索引上生成“1”，在所有其他位置上生成“0”。例如，如果形状为x (5，3，2)的为：
x = np.array([[[0, 0], [0, 1], [0, 3]],
[[1, 0], [1, 3], [1, 4]],
[[2, 2], [2, 3], [2, 4]],
[[3, 1], [3, 3], [3, 4]],
浏览 15提问于2022-04-11得票数 -1
回答已采纳
我有两个numpy数组，第一个是一维的A，第二个是B，在我所想到的应用程序中是二维的，但实际上可以有任何维度。B的每一个索引都与A的单个索引覆盖相同的范围。
现在，我想对A进行排序(按降序排列)，但希望与其一起对B的每个维度进行排序。从数学上讲，如果P是排序A的置换矩阵，我想根据np.dot(P, np.dot(B, P.T))变换B。例如，考虑以下示例，其中排序巧合地对应于倒序：
In [1]: import numpy as np
In [2]: A = np.array([1,2,3])
In [3]: B = np.random.rand(3,3); B
Out[3]:
arra
浏览 6提问于2016-02-05得票数 7
回答已采纳
1回答
python中的行梯队
、、、
此代码适用于3*3矩阵。我需要它适用于ant m*n矩阵。 import numpy as np
b=np.arange(1,10).reshape(3,3) 这将检查矩阵的形状，但它仅适用于3*3矩阵 if b.shape[0]==b.shape[1]:
for i in range(b.shape[0]):
for j in range(b.shape[1]):
if i==1:
b[i]=b[i-i][j]*b[i]-[b[i][j]*b[i-i]]
i=i+1
浏览 49提问于2020-01-09得票数 1
当我试图将矩阵s (任何可用的稀疏类型)分配给NumPy数组a时，如下所示：
a[:] = s
我得到了一个TypeError
TypeError: float()参数必须是字符串或数字
有办法绕过这件事吗？
我了解todense()和toarray()方法，但我非常希望避免不必要的复制，我更愿意对NumPy数组和SciPy稀疏矩阵使用相同的代码。现在，我不关心从稀疏矩阵中得到的值效率很低。
是否有某种与NumPy索引分配有关的稀疏矩阵的包装器？
如果没有，有什么建议可以让我自己去建造这样的东西吗？
在这种情况下，是否有与NumPy合作的不同稀疏数组库？
更新：
我在NumPy源代码中
浏览 9提问于2014-11-14得票数 2
回答已采纳
在数组中的数据替换过程中，我遇到了一个问题:比如说，
a = [1, 0, 0]
b = [0, 0, 0]
c = [0, 0]
X = numpy.zeros((3, 3, 2))
我有形状为(2,3,2)的矩阵Y，它不是零矩阵。
现在，我想用Y直接等于X的这些元素；
X[tuple(numpy.where(a==0)[0]),
tuple(numpy.where(b==0)[0]),
tuple(numpy.where(c==0)[0])] = Y
我得到了错误shape mismatch: objects cannot be broadcast to a single sha
浏览 2提问于2016-08-25得票数 1
回答已采纳
我有一个矩阵，我想在矩阵的每一行中读取，并使用tf.nn.top_k查找每一行的顶部k值。
在不使用循环或列表理解的情况下，我如何得到矩阵的每一行。我想使用Tensorflow或numpy，我正在考虑应用广播。
如果我将索引放在一个数组中，例如，如果矩阵中有10行，我就必须：
indices = [0,1,2,3......,9]
然后我就可以申请广播了？
浏览 0提问于2018-01-23得票数 1
回答已采纳
我知道如何通过索引访问向量中的元素：
test = numpy.array([1,2,3,4,5,6])
indices = list([1,3,5])
print(test[indices])
给出正确的答案:2 4 6
但是我试图用2D矩阵来做同样的事情，比如：
currentGrid = numpy.array( [[0, 0.1],
[0.9, 0.9],
[0.1, 0.1]])
indices = list([(0,0),(1,1)])
print(curren
浏览 1提问于2019-02-28得票数 5
回答已采纳
2回答
我正在尝试将数据点的numpy数组拆分为测试和训练集。为此，我从数组中随机选择行作为训练集，其余的是测试集。
这是我的密码：
matrix = numpy.loadtxt("matrix_vals.data", delimiter=',', dtype=float)
matrix_rows, matrix_cols = matrix.shape
# training set
randvals = numpy.random.randint(matrix_rows, size=50)
train = matrix[randvals,:]
test = numpy
浏览 0提问于2016-02-05得票数 3
回答已采纳
3回答
用Python理解轴
、、、
我已经看过几个使用numpy.apply_along_axis的代码，我总是需要测试这些代码来了解它是如何工作的，因为我还没有理解Python中的axis思想。
例如，我从引用中测试了简单代码。
我可以看到，对于第一种情况，它是矩阵的每一行的第一列，在第二种情况下，考虑了行本身。
所以我建立了一个例子来测试这个矩阵数组是如何工作的(这个问题把我带到了这个轴问题)，它也可以被看作是一个三维矩阵，其中每一行都是一个矩阵，对吗？
a = [[[1,2,3],[2,3,4]],[[4,5,6],[9,8,7]]]
import numpy
data = numpy.array([b for b in
浏览 5提问于2014-04-28得票数 6
回答已采纳
1回答
例如，我有一个用零填充的Numpy 2D数组(7行，7列)： my_数组= numpy.zeros((7，7)) 为了便于讨论，假设我想选择中间的元素，并将其值设置为1： my_array3,3 =1 现在假设我的曼哈顿距离为3，我如何将我的数组设置为仅选择小于或等于曼哈顿距离的元素(从中间元素开始)，并将这些元素设置为1？最终结果应该是： ? 我可以遍历2D数组中的每个元素，但不想这样做，因为这样做代价太高，特别是如果我的矩阵非常大，而曼哈顿距离非常小(例如，曼哈顿距离为10的70x70矩阵)。
浏览 15提问于2021-11-05得票数 0
回答已采纳
我有以下情况。让我们定义一个D (8,4)矩阵：
import numpy as np
import random
D=np.matrix([[72 22 58 63]
[28 22 32 20]
[40 41 58 20]
[22 58 22 41]
[28 78 51 45]
[58 61 28 71]
[51 22 28 51]
[22 63 54 22]])
让我们设置一个随机列：
j=np.random.choice
浏览 3提问于2019-07-01得票数 0
在numpy中，一些操作返回形状为(R, 1)的操作，但有些操作返回(R,)。这将使矩阵乘法更加繁琐，因为需要显式的reshape。例如，给定一个矩阵M，如果我们想要执行numpy.dot(M[:,0], numpy.ones((1, R)))，其中R是行数(当然，同样的问题也发生在列上)。我们将得到matrices are not aligned错误，因为M[:,0]是形状(R,)，而numpy.ones((1, R))是形状(1, R)。
所以我的问题是：
形状(R, 1)和(R,)有什么区别？我知道字面上是数字列表和列表列表，其中所有的列表都只包含一个数字。只是想知道为什么不设计nu
浏览 6提问于2014-02-26得票数 410
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
