标签: numpy-ndarray

我有一个包含大约 4900 万个项目 (7000*7000) 的大型数组，在其中我需要找到最大的 N 个项目及其索引，忽略所有 NaN。我无法事先删除这些 NaN，因为我需要第一个数组中最大 N 个项目的索引值，以便从另一个数组中提取数据，该另一个数组与第一个数组相比，在不同的索引中具有 NaN。我试过

np.argpartition(first_array, -N)[-N:]

这对于没有 NaN 的数组非常有效，但如果有 NaN，则 nan 将作为最大的项，因为它在 python 中被视为无穷大。

x = np.array([np.nan, 2, -1, 2, -4, -8, -9, 6, -3]).reshape(3, 3)
y = np.argpartition(x.ravel() , -3)[-3:]
z = x.ravel()[y]
# this is the result I am getting  === [2, 6, nan]
# but I need this ==== [2, 2, 6]

我所拥有的：
我正在创建一个数据类，并说明其元素的类型：

class Task():  
     n_items: int  
     max_weight: int  
     max_size: int  
     items: numpy.array(Item)  # incorrect way of doing it

我想做的事情是
我想声明，该items将是“Item”类的对象的 numpy 数组

我刚刚开始使用 numpy..

得到下面的 np 表，想计算每个单元格占列总数的百分比。

data = np.array([[7,16,17], [12,11,3]])
headers = ["Grundskola", "Gymn", "Akademisk"]

# tabulate data
table = tabulate(data, headers, tablefmt="github")

# output
print(table)

|   Grundskola |   Gymn |   Akademisk |
|--------------|--------|-------------|
|            7 |     16 |          17 |
|           12 |     11 |           3 |

到：

|   Grundskola |   Gymn |   Akademisk |
|--------------|--------|-------------|
|           39%|    59% |         85% |
|           61%|    41% |         15% |

我知道 np.sum(data2, axis=0/1) 会给我总数，但我如何使用它来计算数组。

数组的大小可以不同...

我有一个numpy.ndarray形状(1,28,28)，值是 [0,1] 范围内的浮点。我的最终目标是将数组保存为 png 图像。

即使在转置数组并将其与 255 相乘以获得 uint 值之后，它仍然会抛出错误*** TypeError: Cannot handle this data type: (1, 1, 1), |u1。

我正在使用以下代码：

im = Image.fromarray((img.transpose(1,2,0) * 255).astype(np.uint8))

任何帮助将不胜感激。

PS我已经在这里研究过这个建议。

我正在尝试从原始形状重塑数组，以使每一行的元素沿对角线下降：

np.random.seed(0) 
my_array = np.random.randint(1, 50, size=(5, 3))

array([[45, 48,  1],
       [ 4,  4, 40],
       [10, 20, 22],
       [37, 24,  7],
       [25, 25, 13]])

我希望结果如下所示：

my_array_2 = np.array([[45,  0,  0],
                       [ 4, 48,  0],
                       [10,  4,  1],
                       [37, 20, 40],
                       [25, 24, 22],
                       [ 0, 25,  7],
                       [ 0,  0, 13]])

这是我能得到的最接近的解决方案：

my_diag = []
for i in range(len(my_array)):
    my_diag_ = np.diag(my_array[i], k=0)
    my_diag.append(my_diag_)
my_array1 = np.vstack(my_diag)

array([[45,  0,  0],
       [ 0, 48,  0],
       [ 0,  0,  1],
       [ 4, …

我正在阅读关于不可变 numpy 数组的这个问题，并且在对其中一个答案的评论中，有人表明给定的技巧在y = x[:]使用而不是y = x.

>>> import numpy as np
>>> x = np.array([1])
>>> y = x
>>> x.flags.writeable = False
>>> y[0] = 5
Traceback (most recent call last):
  File "<pyshell#42>", line 1, in <module>
    y[0] = 5
ValueError: assignment destination is read-only
>>> del x, y
>>> x = np.array([1])
>>> y = x[:]
>>> x.flags.writeable = False
>>> y[0] = 5
>>> x
array([5])

（Python 3.7.2，numpy 1.16.2）

这两者之间甚至有什么区别，为什么在这种特定情况下它们的行为如此不同？ …

我正在尝试使用 setattr 将属性添加到 Numpy ndarray，但出现错误：

import numpy as np

x = np.array([1, 2, 4])
setattr(x, 'new_attr', 1)

AttributeError：numpy.ndarray 对象没有属性 new_attr

如何向 Numpy ndarray 添加新属性？

回溯错误

Traceback (most recent call last):
File "C:\Users\trial2\trial.py", line 55, in <module>
image_stack(image)
File "C:\Users\trial2\trial.py", line 41, in image_stack
transposed_axes = np.transpose(img, axes=concat)
File "<__array_function__ internals>", line 5, in transpose
File "C:\Users\trial2\venv\lib\site-packages\numpy\core\fromnumeric.py", line 660, in transpose
return _wrapfunc(a, 'transpose', axes)
File "C:\Users\trial2\venv\lib\site-packages\numpy\core\fromnumeric.py", line 57, in _wrapfunc
return bound(*args, **kwds)
ValueError: axes don't match array

回溯错误也存在，如果这有助于解决问题，我需要为已作为参数输入到函数中的图像计算新的转置轴。该函数获取图像的形状，然后计算图像的转置轴。问题发生在将图像数组转置到新轴时。我无法弄清楚为什么它不起作用的问题。我是否需要将 concat 变量转换为元组才能正常工作，还是其他原因导致了问题

def image_stack(image):
    img_shape = cv2.imread(image).shape
    img = np.asarray(img_shape)
    print(type(img))
    n = len(img)
    val_1 = list(range(1, n - 1, 2))
    val_2 = list(range(0, n …

ndarray使用 pydantic 时如何初始化？
这段代码抛出一个ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

from pydantic.dataclasses import dataclass
import numpy as np

@dataclass
class TestNumpyArray:
    numpyArray: np.ndarray = np.zeros(10)

testNumpyArray = TestNumpyArray()

对于多维数组，我想沿某些维度求和，并由其他维度索引定义总和范围。这是一个例子：

>>> import numpy as np
>>> x = np.arange(2*3*4).reshape((2,3,4))
>>> x
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]]])
>>> wanted = [[sum(x[i,j,i:j]) for j in range(x.shape[1])] for i in range(x.shape[0])]
>>> wanted
[[0, 4, 17], [0, 0, 21]]

有没有更有效的方法来做到这一点而无需 for 循环或列表理解？我的数组相当大。