- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我已经从链接 https://bitbucket.org/pypy/pypy/downloads/pypy-2.4.0-src.tar.bz2 下载了 PyPy 便携版我已经使用命令为 PyPy 安装了 numpy pip install git+https://bitbucket.org/pypy/numpy.git
安装成功,但我不能像这样使用numpy.min
函数。
>>>> numpy.min([1,2,3])
Traceback (most recent call last):
...
TypeError: expected integer, got NoneType object
所以,我运行了 numpy.test()
,结果是
FAILED (KNOWNFAIL=5, SKIP=24, errors=886, failures=152)
<nose.result.TextTestResult run=3367 errors=886 failures=152>
看来是我安装的numpy的不稳定版本。如何获得 PyPy 的稳定版 numpy?
我也试过 pip install numpy
(不是 pip install git+https://bitbucket.org/pypy/numpy.git
)
但是,我遇到了链接中讨论的另一个问题 PIP Install Numpy throws an error "ascii codec can't decode byte 0xe2"
答案是使用 apt-get
安装 numpy,但是,这个答案只适用于 CPython。 PyPy 有好的解决方案吗?
最佳答案
我刚刚下载了 Pypy 2.4 及其 numpy(通过 git 安装)。看起来 ufunc
功能有错误或不完整。
x = numpy.arange(10)
x.sum() # 45
x.min() # 0
numpy.min(x) # TypeError: expected integer, got NoneType object
numpy.sum(x) # same error
但是如果我给它一个 out
属性,这些 ufunc
版本就可以工作(sortof)
numpy.sum(x, out=1) # returns 45
numpy.min(x, out=1) # returns 0
numpy.min(x, out=None) # gets the above error
但是在out
参数中没有返回值
y = 0
numpy.sum(x, out=y) # returns 45, but does not change y
常规 numpy
会反对 y
不是数组(或维度错误)。
np.min(x)
与 np.core.umath.minimum.reduce(x,None,None,None)
相同,其中 reduce
参数是 (variable, axis, dtype, out)
。 np.core.umath.minimum.reduce(x)
工作正常。
np.core.umath.add.accumulate
在 out
参数方面按预期工作,因此问题似乎与 reduce< 无关
.
如果您使用 git clone 安装,您会在您的机器上获得完整的存储库,您可以对其进行探索。该信息也可以在线获得。我仍在尝试找出 ufunc reduce 的定义位置,以及它是否功能齐全。该模块仍处于开发阶段。
http://buildbot.pypy.org/numpy-status/latest.html是一个 numpy 状态表。它引用 pypy/module/micronumpy
目录。我还没弄清楚这与 https://bitbucket.org/pypy/numpy.git 有什么关系?存储库(在下载页面上)。我可以在 micronumpy
树中找到 ufunc.reduce
代码,但在 numpy.git
树中找不到。
在 core/_methods.py
中,sum
被定义为对 add.reduce
的调用。 min
和max
类似。关键字参数变为位置参数。
def _sum(a, axis=None, dtype=None, out=None, keepdims=False):
return um.add.reduce(a, axis, dtype, out, keepdims)
但是看起来这些参数的顺序是错误的。 out
是第 4 个,但是当我直接尝试 add.reduce
时,我必须得到第 6 个。
>>>> x
array([[ 0., 1.],
[ 2., 3.],
[ 4., 5.]])
>>>> y=np.zeros((2,))
>>>> np.add.reduce(x, 0, float, False, False, y)
array([ 6., 9.])
# reduce(a, axis, dtype, ?, keepdims, out)
我顺便看到 micronumpy
树中有一个 commit
处理 reduce
的错误参数顺序。这可能会修复此错误。
在常规 numpy
中,sum
调用是:
um.add.reduce(a, axis=axis, dtype=dtype, out=out, keepdims=keepdims)
效果很好。显然有人试图通过最小化关键字参数来挤出一点性能。
module/micronumpy/ufuncs.py
将 reduce
定义为:
reduce(self, space, w_obj, w_axis, keepdims=False, out=None, dtype=None,
cumulative=False)
关于python - 我怎样才能为 PyPy 获得 numpy 的稳定版本?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27033995/
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!