- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
在“Complex matlab-like data structure in python (numpy/scipy)”的帮助下,我想出了:
s=(5,3)
a=np.zeros(s, dtype=[('Int1', int),
('Int2', int),
('Str1', '|S5')])
a[0,0]=(1,2,'abcde')
a[0,1]=((5,2,'fghij'),(7,9,'klmno'))
问题是,在我的数组a
的某些字段中,就像在字段a[0,1]
中一样,我想添加一个或更多额外的“信息”,就像我的代码示例中一样。我不知道需要在矩阵的哪一部分写入多少额外信息,但我始终必须使用 dtype=[(int, int, string)]
.
当然,当我尝试按照我的方式写入 a[0,1]
时,会出现错误。
我想保持我的矩阵 a
为二维矩阵,但我想将 dtype=[int, int, str]
的多个实例写入一个矩阵字段,类似于我在字段 a[0,1]
中尝试的内容。
希望我能以一种易于理解的方式解释我的问题。
最佳答案
对于这种灵 active 来说,numpy 数组可能是错误的数据结构。一旦创建,您的数组a
就会占用固定数量的内存。它有 15 (5*3) 条记录,每条记录包含 2 个整数和 1 个 5 个字符的字符串。您可以修改值,但不能添加新记录,或将一条记录更改为两条记录的组合。
列表使您可以灵活地添加元素并更改其性质。列表包含指向内存中其他位置的对象的指针。
dtype=object 的数组的行为与列表非常相似。它的数据缓冲区是同样类型的指针。 a=np.zeros((3,5), dtype=object)
是一个二维数组,其中每个元素可以是元组、列表、数字、None、元组的元组等。这种数组会让你失去很多二维数值计算能力。
对于结构化数组,增加其大小或添加字段的唯一方法是创建一个新数组并复制数据。有一些函数可以帮助添加字段,但它们以某种方式执行我刚才描述的操作。
<小时/>根据您的定义,有 3 个字段,['Int1','Int2','Str1']
a=np.zeros(s, dtype=[('Int1', int),
('Int2', int),
('Str1', '|S5')])
增加字段数量(通过字段的概念)就像这样
a1=np.zeros(s, dtype=[('Int1', int),
('Int2', int),
('Str1', '|S5'),
('Str2', '|S5')])
即添加一个名为“Str2”的字段。你可以用它来填充
a.dtype.fields 中的名称: a1[名称] = a[名称]
现在,a2
中的所有记录都具有与 a
中相同的数据,但它们也有一个空白的 Str2
字段。您可以单独为每个元素设置该字段,也可以使用以下命令作为组设置该字段:
a['Str2'] = ...
但是您尝试将 A[0,1]
更改为元组的元组是完全不同的。这就像尝试用两个数字替换常规数值数组的元素:
x = np.arange(10)
x[3] = [3,5]
这适用于列表,x=range(10)
,但不适用于数组。
关于python - 动态增加numpy数组中的字段数量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34640779/
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!