27
4
个人中心
文章发布
退出import numpy as np
import pandas as pd
from joblib import Parallel, delayed
import multiprocessing
df = pd.read_csv("/media/rahul/cd854f04-608f-4627-9e70-9096a8520b95/feature_bond/real_malware_v1/extracted_real_malware_v1.csv")
fields =[]
fields = list(df.columns)
num_cores = multiprocessing.cpu_count()
#print(fields)
#print(len(fields))
n = len(fields)
n=n-1
#print(len(fields))
mindvfij = np. empty((n,n), dtype='float64')
mindvfji = np. empty((n,n), dtype='float64')
print(mindvfij.dtype)
print(mindvfij.ndim)
print(mindvfij.shape)
print(df)
print(df.iloc[0,5])
x= df.iloc[0,5]
print(type(x))
print(len(df))
for i in range(0,n):
for j in range(0,n):
mindvfij = 0.0
mindvfji = 0.0
def my_function(i,j):
#print(j)
nfij = 0
nfi = 0
nfj = 0
for k in range(0, len(df)):
x = df.iloc[k,i]
y = df.iloc[k,j]
if(x==1 and y==1):
#print(nfij)
nfij = nfij+1
#print(nfij)
if(x==1):
nfi = nfi+1
if(y==1):
nfj = nfj+1
#print("i is"+str(i)+"j is"+str(j)+"value is"+str(nfi) +":" + str(nfj) + ":" +str(nfij))
if(nfi!=0):
#print("i is:"+str(i)+"j is:"+str(j))
a= nfij/nfi
mindvfij[i-1,j-1]= a
if(nfj!=0):
#print("i is:"+str(i)+"j is:"+str(j))
b = nfij/nfj
mindvfji[i-1,j-1]= b
if(nfi>0 and nfj>0):
print("i is"+str(i)+"j is"+str(j)+"value is"+str(mindvfij[i-1,j-1]))
for i in range(1, len(fields)):
print(i)
Parallel(n_jobs=num_cores)(delayed(my_function)(i,j) for j in range(i+1, len(fields)))
np.save("/media/rahul/cd854f04-608f-4627-9e70-9096a8520b95/feature_bond/malindvfij",mindvfij)
np.save("/media/rahul/cd854f04-608f-4627-9e70-9096a8520b95/feature_bond/malindvfji",mindvfji)
print("Finish")
But getting error as
_RemoteTraceback:
但收到错误AS_RemoteTraceback：
Traceback (most recent call last):
File "/home/rahul/anaconda3/lib/python3.9/site-packages/joblib/externals/loky/process_executor.py", line 436, in _process_worker
r = call_item()
File "/home/rahul/anaconda3/lib/python3.9/site-packages/joblib/externals/loky/process_executor.py", line 288, in __call__
return self.fn(*self.args, **self.kwargs)
File "/home/rahul/anaconda3/lib/python3.9/site-packages/joblib/_parallel_backends.py", line 595, in __call__
return self.func(*args, **kwargs)
File "/home/rahul/anaconda3/lib/python3.9/site-packages/joblib/parallel.py", line 262, in __call__
return [func(*args, **kwargs)
File "/home/rahul/anaconda3/lib/python3.9/site-packages/joblib/parallel.py", line 262, in <listcomp>
return [func(*args, **kwargs)
File "/home/rahul/.config/spyder-py3/untitled2.py", line 57, in my_function
TypeError: 'float' object does not support item assignment
"""
The above exception was the direct cause of the following exception:
Traceback (most recent call last):
File "/home/rahul/.config/spyder-py3/untitled2.py", line 63, in <module>
Parallel(n_jobs=num_cores)(delayed(my_function)(i,j) for j in range(i+1, len(fields)))
File "/home/rahul/anaconda3/lib/python3.9/site-packages/joblib/parallel.py", line 1056, in __call__
self.retrieve()
File "/home/rahul/anaconda3/lib/python3.9/site-packages/joblib/parallel.py", line 935, in retrieve
self._output.extend(job.get(timeout=self.timeout))
File "/home/rahul/anaconda3/lib/python3.9/site-packages/joblib/_parallel_backends.py", line 542, in wrap_future_result
return future.result(timeout=timeout)
File "/home/rahul/anaconda3/lib/python3.9/concurrent/futures/_base.py", line 445, in result
return self.__get_result()
File "/home/rahul/anaconda3/lib/python3.9/concurrent/futures/_base.py", line 390, in __get_result
raise self._exception
TypeError: 'float' object does not support item assignment
Do you know whatTypeError: 'float' object does not support item assignment means? It's saying that you're trying to assign to an item of a float, but floats don't have items. Your problem is this: mindvfij = 0.0 and mindvfji = 0.0, followed by mindvfij[i-1,j-1]= a and mindvfji[i-1,j-1]= b.
您知道TypeError：‘Float’对象不支持项分配意味着什么吗？这就是说，你正试图给一个浮点数的项赋值，但是浮点数没有项。你的问题是：Mindvfij=0.0和Mindvfji=0.0，紧随其后的是Mindvfij[i-1，j-1]=a和Mindvfji[i-1，j-1]=b。
since i am updating mindvfij and mindvfji for those i and j for which my condition satisfies. that is why i initialize them to 0.0 so that no random value should not be there for rest of i and j. earlier i did not initialized then it picked 1e-45 for some of the i and j. Please suggest
因为我正在为我的条件满足的那些i和j更新Mindvfij和Mindvfji。这就是我将它们初始化为0.0的原因，这样I和J的其余部分就不会有随机值。
Are you trying to initialize the values in an array named mindvfij? That's not what mindvfij = 0.0 does; that line of code binds the name mindvfij to the float 0.0. Maybe you want mindvfij[i,j] = 0.0? But then why not just use np.zeros instead of np.empty?
您是否正在尝试初始化名为Mindvfij的数组中的值？这并不是Mindvfij=0.0所做的事情；该行代码将名称Mindvfij绑定到Float 0.0。也许你想要Minvfij[i，j]=0.0？但为什么不直接使用np.zeros而不是np.Empty呢？
as per your suggestion i did set mindvfij = np. zeros((n,n), dtype='float64') mindvfji = np. zeros((n,n), dtype='float64') but know i got the error as assignment destination is read-only
根据您的建议，我确实设置了Mindvfij=NP。零((n，n)，dtype=‘flat64’)Mindvfji=Np。零((n，n)，dtype=‘flat64’)，但我知道我收到了错误，因为分配目标是只读的
Was the line number for the error somewhere else in the code? I don't think a simple assignment statement binding a name to an object will raise that error.
错误的行号是否在代码中的其他位置？我不认为将名称绑定到对象的简单赋值语句会引发该错误。
27
4
0
作为脚本的输出，我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)？ 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现？ (正如 user2357112 所指出的，我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此，我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意，我仅限于 numpy，无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中，我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗？或者任何数字都可以吗？选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容，处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB，我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意，我仅限于 numpy，无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成，例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式，我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索，这与堆栈中之前的其他问题不同，因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同，但与 M1 任何其他行中的数组形状不同。 也就是说， M1 = [ [
如何使用爱因斯坦表示法编写以下点积？ import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以，我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000)，其中只有对角线填充了数据，而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组？ 到目前为止，我发现
我是一名优秀的程序员,十分优秀！