- 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?
我有一个简单的问题。如何提取并随后设置“厚度”等于 width
且具有常量值的对角线?我知道fill_diagonal
用给定值填充主对角线的函数。与此类似,我想填充主对角线及其周围的对角线。请参阅banded diagonal matrix .
例如:
In [293]: a = np.random.randint(1, 100, (5,5)) % 2 == 0
In [294]: a
Out[294]:
array([[ True, True, False, False, False],
[ True, True, False, True, False],
[ True, True, False, False, True],
[False, False, False, True, False],
[False, False, False, False, True]], dtype=bool)
In [295]: fill_banded(a, val=True, width=3) # width must be odd number (?)
In [296]: a
Out[296]:
array([[ True, True, False, False, False],
[ True, True, True, True, False],
[ True, True, True, True, True],
[False, False, True, True, True],
[False, False, False, True, True]], dtype=bool)
到目前为止,我可以通过以下方式实现 fill_banded
(有效):
def fill_banded(a, val, width=1):
# TODO: Add some error checking
for i in range(width // 2):
a[range(0,a.shape[0]-(i+1)),range(i+1,a.shape[1])] = val
a[range(i+1,a.shape[0]),range(0,a.shape[1]-(i+1))] = val
np.fill_diagonal(a, val)
但我确信在 numpy/scipy 中有更好的方法。我可以在 Cython 中移动此函数,但我会将其保留为最后的选择。
最佳答案
In [53]: a = np.arange(25).reshape(5,5)
In [54]: a
Out[54]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19],
[20, 21, 22, 23, 24]])
In [55]: mask = np.abs(np.add.outer(np.arange(5), -np.arange(5))) < 3
In [56]: mask
Out[56]:
array([[ True, True, True, False, False],
[ True, True, True, True, False],
[ True, True, True, True, True],
[False, True, True, True, True],
[False, False, True, True, True]], dtype=bool)
In [57]: a[mask] = 100
In [58]: a
Out[58]:
array([[100, 100, 100, 3, 4],
[100, 100, 100, 100, 9],
[100, 100, 100, 100, 100],
[ 15, 100, 100, 100, 100],
[ 20, 21, 100, 100, 100]])
<小时/>
说明: np.add.outer
可用于制作加法表:
In [59]: np.add.outer(np.arange(5), np.arange(5))
Out[59]:
array([[0, 1, 2, 3, 4],
[1, 2, 3, 4, 5],
[2, 3, 4, 5, 6],
[3, 4, 5, 6, 7],
[4, 5, 6, 7, 8]])
通过更改其中一个arange
的符号(并使用np.abs
),您可以测量距对角线的距离:
In [61]: np.abs(np.add.outer(np.arange(5), -np.arange(5)))
Out[61]:
array([[0, 1, 2, 3, 4],
[1, 0, 1, 2, 3],
[2, 1, 0, 1, 2],
[3, 2, 1, 0, 1],
[4, 3, 2, 1, 0]])
因此,您可以通过编写一个简单的不等式来“选择”距对角线一定距离的所有元素:
In [62]: np.abs(np.add.outer(np.arange(5), -np.arange(5))) < 3
Out[62]:
array([[ True, True, True, False, False],
[ True, True, True, True, False],
[ True, True, True, True, True],
[False, True, True, True, True],
[False, False, True, True, True]], dtype=bool)
一旦有了这个 bool 掩码,您就可以使用
为a
分配新值
a[mask] = val
<小时/>
因此,fill_banded
可能看起来像这样:
import numpy as np
def fill_banded(a, val, width=1):
mask = np.abs(np.add.outer(np.arange(a.shape[0]), -np.arange(a.shape[1]))) < width
a[mask] = val
a = np.arange(30).reshape(6,5)
fill_banded(a, val=True, width=3)
print(a)
关于optimization - 提取并设置 numpy 数组的粗对角线,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16131972/
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!