相关疑难解决方法(0)

来自两个数组的Python linspace限制

我有两个数组:

a=np.array((1,2,3,4,5))
b=np.array((2,3,4,5,6))
Run Code Online (Sandbox Code Playgroud)

我想要的是使用a和b的值作为linspace的限制,例如

c=np.linspace(a,b,11)
Run Code Online (Sandbox Code Playgroud)

我使用此代码时出错.答案应该是数组的第一个元素:

c=np.linspace(a,b,11)
print c
c=[1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2]
Run Code Online (Sandbox Code Playgroud)

python arrays numpy

5
推荐指数
2
解决办法
5185
查看次数

跨多维数组的矢量化NumPy空间

假设我有2个numpy 2D数组,分钟和最大值,它们将始终是彼此相同的维度.我想创建第三个数组,结果,这是将linspace应用于max和min值的结果.是否有一些"numpy"/矢量化方式来做到这一点?示例非矢量化代码如下所示,以显示我想要的结果.

import numpy as np

mins = np.random.rand(2,2)
maxs = np.random.rand(2,2)

# Number of elements in the linspace
x = 3

m, n = mins.shape
results = np.zeros((m, n, x))

for i in range(m):
    for j in range(n):
        min = mins[i][j]
        max = maxs[i][j]
        results[i][j] = np.linspace(min, max, num=x)
Run Code Online (Sandbox Code Playgroud)

python numpy vectorization

5
推荐指数
1
解决办法
643
查看次数

如何在 numpy 向量中的每个元素之间应用 linspace?

我有以下 numpy 数组:

a = np.array([1,4,2])
Run Code Online (Sandbox Code Playgroud)

我希望通过将数组中的每个元素除以 5 来创建一个新数组,a得到:

b = [1., 1.75, 2.5, 3.25, 4., 3.5, 3., 2.5, 2.]
Run Code Online (Sandbox Code Playgroud)

我怎样才能在Python中有效地做到这一点?

python numpy

4
推荐指数
1
解决办法
1771
查看次数

如何在numpy中向量化linspace

我想对数组做linspace.如下:

a = np.array([2, 4, 6])
b = vectorize(np.array)(0, a, 5)
Run Code Online (Sandbox Code Playgroud)

我希望回来看起来像:

b = [[0, 0.5, 1, 1.5, 2]
     [0, 1, 2, 3, 4]
     [0, 1.5, 3, 4.5, 6]]
Run Code Online (Sandbox Code Playgroud)

这是我的代码:

import numpy as np
a = np.arange(1001)
c = np.vectorize(np.linspace)(0, a, 101)
print(c)
Run Code Online (Sandbox Code Playgroud)

它表明:ValueError:使用序列设置数组元素.有没有任何方法可以在没有for循环的numpy中执行此操作?

python numpy

3
推荐指数
1
解决办法
388
查看次数

在Python中创建一个具有不同增量的数组

在Python中,我知道如何创建一个从某个值a开始的数组,将其上的每个组件增加一些m,直到达到某个值b:

array = numpy.arange(a, b, m)

但是,如果我想让m改变怎么办?具体来说,我想要数组 1,2,...9,10,20,...90,100,200,...900,1000..

因此,每十个组件将我的增量增加 10 倍。实现这一目标的最简单方法是什么?如果必须的话,我可以使用循环并“手动”执行此操作,但是有更好的方法吗?

python arrays numpy

2
推荐指数
1
解决办法
2万
查看次数

标签 统计

numpy ×5

python ×5

arrays ×2

vectorization ×1