- 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
我有这样的数据:
>>>npfilled[:5]
array([('!', 0, 0, 3, 10, 0, 2, 4, 4), ('!"', 0, 0, 0, 5, 0, 0, 0, 0),
('"', 23, 13, 20, 32, 0, 0, 22, 9),
("'", 21, 8, 23, 12, 5, 10, 0, 7), ('(', 3, 2, 2, 3, 0, 0, 0, 0)],
dtype=[('token', '<U64'), ('mel_freq1', '<i2'), ('mel_freq0', '<i2'), ('mel_freq2', '<i2'), ('mel_freq3', '<i2'), ('aus_freq0', '<i2'), ('aus_freq1', '<i2'), ('aus_freq2', '<i2'), ('aus_freq3', '<i2')])
>>>npfilled.shape
(301,)
但我需要它是 (301,2)
,这样我就可以对其进行切片并对其进行其他分析,目前我还做不到。我怎样才能做到这一点?
最佳答案
用 numpy 术语来说,您是在询问如何将结构化数组转换为“普通”二维数组,其中结构中的每个项目都沿着一个新轴。
顺便说一句,对于像这样的异构数据,pandas
可能更适合您。
话虽如此,这里有一个简单的解释:
首先,要从您当前的结构化数组中切分列,您需要执行如下操作:
import numpy as np
# Your example data...
data = np.array([('!', 0, 0, 3, 10, 0, 2, 4, 4),
('!"', 0, 0, 0, 5, 0, 0, 0, 0),
('"', 23, 13, 20, 32, 0, 0, 22, 9),
("'", 21, 8, 23, 12, 5, 10, 0, 7),
('(', 3, 2, 2, 3, 0, 0, 0, 0)],
dtype=[('token', '<U64'), ('mel_freq1', '<i2'),
('mel_freq0', '<i2'), ('mel_freq2', '<i2'),
('mel_freq3', '<i2'), ('aus_freq0', '<i2'),
('aus_freq1', '<i2'), ('aus_freq2', '<i2'),
('aus_freq3', '<i2')])
# Print out two arbitrary columns.
print data[['token', 'aus_freq1']]
这会给出:
[(u'!', 2) (u'!"', 0) (u'"', 0) (u"'", 10) (u'(', 0)]
如果您有异构数据,您可能真的不想切换到“普通”数组。
但是,如果您确实想将其切换过来,您可能会想到以下内容:
array([[u'!', 0, 0, 3, 10, 0, 2, 4, 4],
[u'!"', 0, 0, 0, 5, 0, 0, 0, 0],
[u'"', 23, 13, 20, 32, 0, 0, 22, 9],
[u"'", 21, 8, 23, 12, 5, 10, 0, 7],
[u'(', 3, 2, 2, 3, 0, 0, 0, 0]], dtype=object)
如果您不是特别关心内存使用情况,您可以这样做:
np.array(data.tolist(), dtype=object)
上面这行代码很容易就能得到你想要的东西。但是,这种方法有两个小缺点。
没有办法解决第二个问题。这就是结构化数组存在的原因。对象数组(指针数组)在内存中不像结构化数组那样紧凑,但它们可以容纳任意对象。
但是,如果只想获取原始结构化数组的同类部分,那么您可以执行类似的操作:
# Only the first column is text...
numeric_cols = list(data.dtype.names[1:])
# View the non-text parts as an array with the same dtype as the numeric cols:
data2d = data[numeric_cols].view('<i2')
# And reshape it into a 2D array:
data2d = data2d.reshape(-1, len(numeric_cols))
这会产生:
In [10]: data2d
Out[10]:
array([[ 0, 0, 3, 10, 0, 2, 4, 4],
[ 0, 0, 0, 5, 0, 0, 0, 0],
[23, 13, 20, 32, 0, 0, 22, 9],
[21, 8, 23, 12, 5, 10, 0, 7],
[ 3, 2, 2, 3, 0, 0, 0, 0]], dtype=int16)
这种方法比较冗长,但如果你有一个非常大的数组,它会快得多。
关于python - 如何使用 numpy 将一维数组转换为二维数组?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27030424/
我有一个 Haskell 程序,它用 Metropolis 模拟 Ising 模型 算法。主要操作是一个模板操作,它需要下一个的总和 2D 中的邻居,然后将其与中心元素相乘。那么 元素可能已更新。 在
对于卷积,我想在一个维度上应用圆形填充,在所有其他维度上应用零填充。我该怎么做? 对于卷积,有 28 个 channel ,并且数据在球形箱中描述。半径时间有 20 个箱子,极地时间有 20 个箱子,
假设您有一个数组并想创建另一个数组,该数组的值连续等于第一个数组的 10 个元素的标准差。在 for 循环的帮助下,它可以像下面的代码一样轻松编写。我想要做的是避免使用 for 循环来加快执行时间。有
我有一个长度为size * size的一维数组,表示值的平方字段。 我的目标是将数组旋转到位(previous question)。我目前在获取正确的内圈索引方面遇到问题。我的算法有什么错误? 这是我
stride = 1 和 1 个过滤器的 1D CNN 的输出长度不应该等于输入长度而不需要填充吗? 我认为是这种情况,但创建了一个具有这些规范的 Keras 模型,当输入形状为 (17910,1)
我有一个零散布的一维数组。想创建第二个数组,其中包含最后一个零的位置,如下所示: >>> a = np.array([1, 0, 3, 2, 0, 3, 5, 8, 0, 7, 12]) >>> fo
我试着去理解卡尔曼滤波器是如何工作的,因为多维变量太混乱了,一开始我从一维的例子开始。 我发现有3个不同的来源解释温度计的情况,但所有这些情况实现的方程略有不同,我没有得到重点。 我实现了解决方案2,
我有一个二维数组,我需要将它转换为一个列表(同一对象)。我不想使用 for 或 foreach 循环来执行此操作,它们将获取每个元素并将其添加到列表中。还有其他方法吗? 最佳答案 好吧,你可以让它使用
我正在使用 Keras 构建一个 CNN,将以下 Conv1D 作为我的第一层: cnn.add(Conv1D( filters=512, kernel_size=3, str
在 Python 中使用 TensorFlow,我正在制作一个以一维数组作为输入的神经网络。我想在网络中添加一个卷积层,但似乎无法让它工作。 我的训练数据如下所示: n_samples = 20 le
我有一个简单的一维数组,但我想使用 jQuery 将长列表分成两列。我怎样才能实现这个目标? var articles = ['article10','article9','article8','ar
我有一个刚从文件中读入的 float 的一维 vector 。 std::vector result(s.size() / sizeof(float)); 我想像这样使用这些数据 myTable[rl
使用 numpy 将 data reshape 为 fencepost 的最有效方法是什么? data = np.array([1, 2, 3, 4, 5])
我正在尝试通过删除 for 循环并仅在处理大型数据集时使用 numpy 数组来优化一些代码。 我想采用一维 numpy 数组,例如: a = [1, 2, 3, 4, 5] 并生成一个 2D nump
我正在尝试为两个数组 Pages 和 Price 赋值。 #include int main() { static int pages[3]; static int price[3];
我是深度学习、keras API 和卷积网络的新手,如果这些错误是幼稚的,请事先致歉。我正在尝试构建一个用于分类的简单卷积神经网络。输入数据 X 有 286 个样本,每个样本有 500 个时间点,4
假设我有 Numpy 数组 p 和一个 Scipy 稀疏矩阵 q 这样 >>> p.shape (10,) >>> q.shape (10,100) 我想做 p 和 q 的点积。当我尝试使用 nump
我需要一些行为类似于 std::vector 的东西(界面/功能/等)但我需要它是平坦的,即它不能动态分配缓冲区。显然,这通常不起作用,因为可用大小必须在编译时确定。但我希望类型能够处理N没有额外分配
作为我正在运行的一些模拟的一部分,我需要最终对一些非常长的(实数)数字序列执行以下操作。这是要点: 给定一个长的一维 NumPy 数组,对于数组中的每个位置,我想对该位置前后的值进行平均,取平均值之间
这个问题在这里已经有了答案: Concatenating two one-dimensional NumPy arrays (6 个答案) 关闭 5 年前。 我想将 numpy 数组存储到另一个 n
我是一名优秀的程序员,十分优秀!