- 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
我刚开始用 python 编程。我想为各种功能标准化一个 numpy arange。到目前为止我的代码是
from numpy import arange
from scipy.integrate import quad
import matplotlib.pyplot as plt
def function_A(x):
return -(x-1)*(x-5)
def normalize(functionName, numpyRange):
print "Inside normalize"
min = numpyRange.min()
max = numpyRange.max()
print "functionName: ", functionName
print "min: ", min
print "max: ", max
print "quad(functionName, min, max)[0]: ", quad(functionName, min, max)[0]
print "functionName(numpyRange): ", functionName(numpyRange)
print "RIGHT BEFORE RETURN"
return functionName(numpyRange) / quad(functionName, min, max)[0]
x = arange(1,5.01,0.01)
plt.plot(x, normalize(function_A, x))
plt.show()
print "This should equal unity: ", quad(normalize(function_A, x), x.min(), x.max(), args=(function_A, x))
运行代码时的错误信息是:
Traceback (most recent call last):
File "forStackExchange3.py", line 33, in <module>
print "This should equal unity: ", quad(normalize(function_A, x), x.min(), x.max(), args=(function_A, x))
File "/usr/lib/python2.7/dist-packages/scipy/integrate/quadpack.py", line 247, in quad
retval = _quad(func,a,b,args,full_output,epsabs,epsrel,limit,points)
File "/usr/lib/python2.7/dist-packages/scipy/integrate/quadpack.py", line 312, in _quad
return _quadpack._qagse(func,a,b,args,full_output,epsabs,epsrel,limit)
quadpack.error: First argument must be a callable function.
错误信息让我感到困惑,因为即使错误发生在行上
print "This should equal unity: ", quad(normalize(function_A, x), x.min(), x.max(), args=(function_A, x))
我仍然能够“输入”我的规范化函数,正如我的多个打印语句所证明的那样。我曾尝试用不同的方式来编写给出错误消息的行,但没有任何运气。任何帮助,将不胜感激。也许我需要重写我的规范化函数,以便我可以正确使用四边形?另外,如果有针对我的特定情况的更简单的 python 函数规范化方法,请告诉我。
最佳答案
func : function A Python function or method to integrate.
但是,您传递的第一个参数是一个 ndarray
,它是不可调用的。换句话说,您传递的不是要集成的功能,而是其他此类操作的结果。
那是因为技术上的错误。至于如何解决它,我必须说我不确定你在问什么。给定范围 y
,可以对其进行归一化。 y
范围 可能 是将某些函数应用于 x
的结果,但这不是重点。因此,您可以构建一个范围归一化器,并将其应用于函数的结果。
def function_A(x):
return -(x-1)*(x-5)
x = arange(1,5.01,0.01)
def normalize(y):
return y / sum(y)
>> sum(normalize(function_A(x)))
1.0
您还可以构建一个元函数,它接受一个函数并返回一个对其结果进行规范化的函数:
def make_normalized(fn):
return lambda x: fn(x) / sum(fn(x))
因此,您可以定义
normalized_function_A = make_normalized(function_A)
只是为了验证:
>> sum(normalized_function_A(x))
1.0
关于python - 规范化一个 Numpy 排列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31104619/
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!