Tag: numpy

Numpy：find范围内的元素: 例如，我有一个数字的数组， a = [1, 3, 5, 6, 9, 10, 14, 15, 56] 我想find特定范围内的所有元素。例如，如果范围是（6,10），答案应该是（3,4,5）。有没有一个内置的function来做到这一点？

testingnumpy数组是否只包含零: 我们用零来初始化一个numpy数组，如下所示： np.zeros((N,N+1)) 但是，我们如何检查给定的n * n numpy数组matrix中的所有元素是否为零。如果所有的值都是零，那么只需要返回一个True。

Python中的语法（.T）: 在SciPy的多元正态采样函数的帮助资源中，他们给出以下示例： x,y = np.random.multivariate_normal(mean,cov,5000).T 我的问题是相当基本的：最后的T实际上做了什么？非常感谢，我知道这很简单，但很难在Google上search“.T”。

numpy点（）和Python 3.5+matrix乘法之间的区别@: 我最近搬到了Python 3.5，注意到新的matrix乘法运算符（@）有时候与numpy的点运算符有所不同。例如，对于3D数组： import numpy as np a = np.random.rand(8,13,13) b = np.random.rand(8,13,13) c = a @ b # Python 3.5+ d = np.dot(a, b) @运算符返回形状数组： c.shape (8, 13, 13) 而np.dot()函数返回： d.shape (8, 13, 8, 13) 我怎样才能重现与numpy点相同的结果？还有其他的重大差异吗？

有没有testing套件numpy / scipy？: 我即将在我的Ubuntu Lucid上重新安装numpy和scipy 。由于这些东西有很多依赖关系，我想知道是否有一个全面的testing套件来检查新的安装是否真正起作用。当然，我可以把一堆脚本一个接一个地运行，看看能不能继续工作，但是不能防范在将来某个时候我会用一些我没用的东西之前没有用，它会破坏（或者更糟糕的是，默默地产生不存在）。

在Python中计算numpy ndarraymatrix中的非NaN元素的数量: 我需要计算numpy ndarraymatrix中的非NaN元素的数量。如何有效地在Python中做到这一点？这是我实现这个简单的代码： import numpy as np def numberOfNonNans(data): count = 0 for i in data: if not np.isnan(i): count += 1 return count 在numpy中是否有内置函数？效率很重要，因为我在做大数据分析。 thnx任何帮助！

两个不同Numpy数组中的点之间的最小欧氏距离，不在: 我有两个x – y坐标数组，我想找出一个数组中每个点与另一个数组中的所有点之间的最小欧几里得距离。数组不一定是相同的大小。例如： xy1=numpy.array( [[ 243, 3173], [ 525, 2997]]) xy2=numpy.array( [[ 682, 2644], [ 277, 2651], [ 396, 2640]]) 我当前的方法遍历xy1每个坐标xy ，并计算该坐标和其他坐标之间的距离。 mindist=numpy.zeros(len(xy1)) minid=numpy.zeros(len(xy1)) for i,xy in enumerate(xy1): dists=numpy.sqrt(numpy.sum((xy-xy2)**2,axis=1)) mindist[i],minid[i]=dists.min(),dists.argmin() 有没有办法消除for循环，并以某种方式做两个数组之间的逐个元素的计算？我设想生成一个距离matrix，我可以find每行或每列的最小元素。另一种方法来看问题。说我连接xy1 （长度m ）和xy2 （长度p ）到xy （长度n ），我存储了原始数组的长度。从理论上讲，我应该能够从这些坐标中生成一个nxn距离matrix，从中我可以获取一个mxp子matrix。有没有办法有效地生成这个子matrix？

函数应用在numpy的matrix行/列上: 我正在使用Numpy将数据存储到matrix中。从R背景来看，在matrix的行/列或两者上应用函数的方法非常简单。有没有类似的python/ numpy组合？编写我自己的小实现并不是一个问题，但是在我看来，大多数我提出的版本将比现有的实现效率/内存密集程度低得多。我想避免从numpymatrix复制到局部variables等，这是可能的吗？我试图实现的function主要是简单的比较（例如某个列的数量小于数量x，或者有多less个元素的绝对值大于y）。

如何在numpy数组上执行元素明智的布尔操作: 例如，我想要创build一个掩码值为40到60的元素的掩码： foo = np.asanyarray(range(100)) mask = (foo < 40).__or__(foo > 60) 这看起来很丑，我不能写： (foo < 40) or (foo > 60) 因为我结束了： ValueError Traceback (most recent call last) … —-> 1 (foo < 40) or (foo > 60) ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all() 有没有一个规范的方式做元素明智的布尔操作numpy数组，具有良好的代码？