- 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?
我有 2 个数组,最后一个轴的形状相同,即:
第一:
[[6614, 3390, 6327, 7595, 2797],
[4604, 3392, 4128, 1835, 7397],
[2268, 367, 7595, 2268, 2546],
[5450, 5450, 2836, 5450, 4106],
[8846, 8846, 3666, 8846, 3098],
[ -1, -1, 5450, -1, 5450],
[ -1, -1, 8846, -1, 8846],
[ 0, 0, 0, 0, 0],
[ 0, 0, 0, 0, 0],
[ 0, 0, 0, 0, 0]]
第二:
[[4035, 4035, 4035, 1168, 3545],
[8846, 8846, 8846, 8846, 8846],
[ -1, -1, -1, 8846, -1]]
假设形状是 (10,5) 和 (3,5)。我想做的是将第二个数组沿第一个轴插入第一个数组,但要使第一个数组的每一行继续第二个数组,即:(我将 <<>> 表示为第二个数组)
[[6614, 3390, 6327, 7595, 2797],
[4604, 3392, 4128, 1835, 7397],
[2268, 367, 7595, 2268, 2546],
[5450, 5450, 2836, 5450, 4106],
[8846, 8846, 3666, 8846, 3098],
[<<4035>>, <<4035>>, 5450, <<1168>>, 5450],
[<<8846>>, <<8846>>, 8846, <<8846>>, 8846],
[<<-1>>, <<-1>>, <<4035>>, <<8846>>, <<3545>>],
[ 0, 0, <<8846>>, 0, <<8846>>],
[ 0, 0, <<-1>>, 0, <<-1>>]]
考虑到第一个数组中总是有足够的空间,此外我还有一个用于插入第二个数组的索引列表:
[5, 5, 7, 5, 7]
np.insert 似乎不接受特定索引处的设置序列,因此我需要一些接受设置范围的东西。显然,这可以通过 for 循环来解决,但我认为有一个更简单的解决方案。
最佳答案
如果您不介意转换为 pandas DataFrame,这里有一个简单的解决方案:
# Convert arrays to DataFrames
df1 = pd.DataFrame(first)
df2 = pd.DataFrame(second)
# Concatenate the first and second DataFrames
df = pd.concat([df1.replace([-1, 0], np.nan), df2])
df = df.apply(lambda x: pd.Series(x.dropna().values)).fillna(0).astype('int')
# Convert back to numpy array
df = df.as_matrix()
print(df)
[[6614 3390 6327 7595 2797]
[4604 3392 4128 1835 7397]
[2268 367 7595 2268 2546]
[5450 5450 2836 5450 4106]
[8846 8846 3666 8846 3098]
[4035 4035 5450 1168 5450]
[8846 8846 8846 8846 8846]
[ -1 -1 4035 8846 3545]
[ 0 0 8846 0 8846]
[ 0 0 -1 0 -1]]
关于python - Numpy 索引数组插入,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46253361/
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!