标签: numpy-ndarray

我想使用 np.argwhere 或 np.where 选择 1,2,3,12 和 13 的索引。在这两种情况下，以下代码都不起作用。有没有办法使用这两个命令来执行此操作，或者我应该使用它两次而不是使用 & 运算符？

`a= np.array([1,2,3,4,10,12,13])
b = np.argwhere((a<4) & (a>10))
c = np.where((a<4) & (a>10))
print(b)
print(c)`

我已经看到如何组合 numpy 数组中的维度？

并尝试过，但是当我尝试时

imgs.reshape(img.shape[:-2]+(-1))

我认为这是逻辑扩展，但出现错误：

can only concatenate tuple (not "int") to tuple

我打算对链接问题中已接受的答案进行评论，并直接向他们寻求帮助，而不是为此创建一个新线程，但我没有评论所需的声誉。

编辑：例如，我有一个输入数组，其形状为(x,y,8,8)x 和 y 可以根据输入到函数中的图像而变化。我想把它做成一个形状的数组(x,y,64)。在这种情况下，64 永远不会改变。

我想弄清楚如何创建这个数组而不将每个值放入每手中。

有没有一种方法可以使用以下信息：除了第一个值之外，每个值都是其前一个值的两倍？

我的代码如下：

import numpy as np

Matrix = np.array([1,2,4,8,16,32,64,128,256]).reshape (3,3)

print(Matrix)

谁能告诉如何解释这种寻址方式：a[2::2, ::2]？我不知道如何使用这种索引。

a = np.random.random((6,6))
print(a)
[[0.17948771 0.61436323 0.48768101 0.20540278 0.15331527 0.17766787]
 [0.40028608 0.63915391 0.92719741 0.56604286 0.92959065 0.92707981]
 [0.27554561 0.09253335 0.73841082 0.00840638 0.33683454 0.89065058]
 [0.25030938 0.37093169 0.70789081 0.95205777 0.60483874 0.81425781]
 [0.14250593 0.56916738 0.45440191 0.21140548 0.72945015 0.59313599]
 [0.68116512 0.45349473 0.23057609 0.36349226 0.622701   0.07951557]]

a[2::2, ::2]
array([[0.27554561, 0.73841082, 0.33683454],
       [0.14250593, 0.45440191, 0.72945015]])

import numpy as np

x = np.array([[1, 2], [3, 4], [5, 6]])

y = x [[0,1,2], [0,1,0]]   #:i did not understand this step,what is happening here?

print y

OUTPUT: [1 4 5]

我有一个尺寸如下的二维 numpy-ndarray：(416,2)即

[[10,10],[3,6],[2,4],[10,10],[0,0],[2,4],...] 等等

我需要找出是否有任何重复，如果有，它们在哪里。该副本本身的价值并不重要（即上面的例子将使：[0,2,3,5,...]）

有没有办法做到这一点？谢谢你。

下面显示了numpy.ix_()函数的输出。输出有什么用？它的结构非常独特。

import numpy as np

>>> gfg = np.ix_([1, 2, 3, 4, 5, 6], [11, 12, 13, 14, 15, 16], [21, 22, 23, 24, 25, 26], [31, 32, 33, 34, 35, 36] )
>>> gfg
(array([[[[1]]],


       [[[2]]],


       [[[3]]],


       [[[4]]],


       [[[5]]],


       [[[6]]]]), array([[[[11]],

        [[12]],

        [[13]],

        [[14]],

        [[15]],

        [[16]]]]), array([[[[21],
         [22],
         [23],
         [24],
         [25],
         [26]]]]), array([[[[31, 32, 33, 34, 35, 36]]]]))

我遇到了一段代码，作者在数组中使用了ellipsis运算符（例如，[..., 1]）numpy而不是slice运算符（例如，[:, 1]）来获取数组部分。

我对这个主题的研究：

1. 从scipy github wiki 页面我了解到这两个运算符执行有些相似的操作，即返回多维数组的切片。

2. 我已经讨论过这个问题，它涉及numpy数组的几种切片技术，但没有找到关于何时应该使用slice运算符以及何时需要使用运算符的情况的详细说明ellipsis，或者它们的功能是否相同。

3. 从Example 1我看不出两个运算符之间有任何区别：

示例1：

    import numpy as np

    A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    A[..., 0], A[:, 0]    # Out: (array([1, 4, 7]), array([1, 4, 7]))
    A[..., 0] == A[:, 0]  # Out: array([ True,  True,  True])

所以我的问题是：

• slice使用vsellipsis运算符与有何区别numpy.ndarrays？
• 它们可以互换使用吗？
• 使用其中之一有什么优点吗？

我非常感谢您对我的问题进行详细说明，并提前感谢您的宝贵时间。

给定一个整数，n我想制作n x n以下形式的 numpy 矩阵。

对于n =4：

array([[1., 1., 0., 0.],
       [0., 1., 1., 0.],
       [0., 0., 1., 1.],
       [1., 0., 0., 1.]])

对于n= 5：

array([[1., 1., 0., 0., 0.],
       [0., 1., 1., 0., 0.],
       [0., 0., 1., 1., 0.],
       [0., 0., 0., 1., 1.],
       [1., 0., 0., 0., 1.]])

在数学上，它将单位矩阵与矩阵相加，该矩阵本质上是单位矩阵向右移动 1 列。这是分解的例子。

我怎样才能numpy在输入的地方做到这一点n

变量：

x 和 y 是形状为 (N, 2) 的 N 个二维向量数组。

题：

有没有办法在两个数组中对应于相同位置的向量之间执行点积，而无需像列表理解那样显式地编写元素：[np.dot(x[i], y[i]) for i in range(N)] ？

通常，在 numpy 的其他函数中，我使用该选项axis = 1来实现这一点，但我发现 np.dot 中不存在它。有没有办法设法矢量化这个操作？