标签: numpy

我有一些这种格式的点（大约 3000）和边（大约 6000）：

points = numpy.array([1,2],[4,5],[2,7],[3,9],[9,2])
edges = numpy.array([0,1],[3,4],[3,2],[2,4])

其中边是点的索引，因此每条边的开始和结束坐标由下式给出：

points[edges]

我正在寻找一种更快/更好的方法来绘制它们。目前我有：

from matplotlib import pyplot as plt
x = points[:,0].flatten()
y = points[:,1].flatten()
plt.plot(x[edges.T], y[edges.T], 'y-') # Edges
plt.plot(x, y, 'ro') # Points
plt.savefig('figure.png')

我读到了有关 lineCollections 的内容，但不确定如何使用它们。有没有办法更直接地使用我的数据？这里的瓶颈是什么？

一些更真实的测试数据，绘图时间约为132秒：

points = numpy.random.randint(0, 100, (3000, 2))
edges = numpy.random.randint(0, 3000, (6000, 2))

如何在 numpy 二维数组中存储列表？

import numpy  
A = numpy.empty([5,5], dtype=**?**)  

这里变量列表类型的数据类型应该是什么？或者是否有不同的方法来实现这一点，我强烈认为是这种情况。

我有一个 numpy 直方图，我想将其输出为制表符分隔的文本文件。我的代码如下：

targethist = np.histogram(targetlist, bins=ilist)
print targethist
np.savetxt('ChrI_dens.txt',targethist,delimiter='\t')

targetlist 和 ilist 是长整数列表。我得到以下输出：

(array([0, 0, 0, ..., 0, 0, 0]), array([ 1, 10000, 20000, ..., 15060000, 15070000, 15072422])) 回溯（最近一次调用） ：文件“target_dens_np.py”，第 62 行，在 np.savetxt('ChrI_dens.txt',targethist,delimiter='\t') 文件“/Library/Frameworks/Python.framework/Versions/7.3/lib/python2. 7/site-packages/numpy/lib/npyio.py”，第 979 行，在 savetxt fh.write(asbytes(format % tuple(row) + newline)) 中 TypeError：需要 float 参数，而不是 numpy.ndarray

似乎直方图数组已创建，但我在 np.savetxt() 行中做错了一些事情。我已阅读文档，但不明白为什么此函数中的任何参数都需要浮点数。我哪里出错了？

例如，我有以下数组：

x = [0, 1, 2, 3, 4.5, 5]
y = [2, 8, 3, 7,   8, 1]

我希望能够执行以下操作x：

>>> what_is_y_when_x_is(2)
(2, 3)
>>> what_is_y_when_x_is(3.1) # Perhaps set rules to round to nearest (or up or down)
(3, 7)

另一方面，当给出y：

>>> what_is_x_when_y_is(2)
(0, 2)
>>> what_is_x_when_y_is(max(y))
([1, 4.5], 8)

这个问题的具体情况

我可以绘制与使用封闭分析函数的y对比结果x，只需调用foo_function(x). 但是，我正在运行数值模拟，其数据图没有闭合解析解。

尝试的解决方案

我之前解决过类似的问题，大致是这样处理的：

what_is_y_when_x_is(some_x)

1. 在数组x中搜索some_x.
2. 获取其索引，i.
3. 捡起y[i]。

问题

有一个更好的方法吗？也许是内置numpy …

我用图像数据制作了一个 numpy 数组。我想将 numpy 数组转换为一维数组。

import numpy as np
import matplotlib.image as img

if __name__ == '__main__':

  my_image = img.imread("zebra.jpg")[:,:,0]
  width, height = my_image.shape
  my_image = np.array(my_image)
  img_buffer = my_image.copy()
  img_buffer = img_buffer.reshape(width * height)
  print str(img_buffer.shape)

128x128 的图像在这里。

然而，该程序打印出 (128, 128)。我想img_buffer成为一个一维数组。我如何重塑这个数组？为什么 numpy 实际上不会将数组重塑为一维数组？

假设我有一组 2D 坐标，表示 2D 规则网格的单元中心。我想为网格中的每个单元格找到每个方向上两个最近的邻居。

如果分配给每个单元格和索引定义如下，那么问题就非常简单：

idx_cell = idx+N*idy

其中 N 是网格中单元格的总数，idx=x/dx 和 idy=y/dx，其中 x 和 y 是单元格的 x 坐标和 y 坐标，dx 是单元格的大小。

例如，idx_cell=5 的小区的相邻小区是 idx_cell 等于 4,6（对于 x 轴）和 5+N,5-N（对于 y 轴）的小区。

我遇到的问题是，对于大型（N>1e6）数据集，我的算法实现非常慢。

例如，为了获取 x 轴的邻居，我这样做

[x[(idx_cell==idx_cell[i]-1)|(idx_cell==idx_cell[i]+1)] for i in cells]

您认为有最快的方法来实现这个算法吗？

在numpy 页面上他们给出了示例

s = np.random.dirichlet((10, 5, 3), 20)

这一切都很好、很棒；但是如果您想从 2D alpha 数组生成随机样本怎么办？

alphas = np.random.randint(10, size=(20, 3))

如果您尝试
np.random.dirichlet(alphas),
np.random.dirichlet([x for x in alphas]), or
np.random.dirichlet((x for x in alphas))，

则会产生 ValueError: object too deep for desired array. 唯一有效的似乎是：

y = np.empty(alphas.shape)
for i in xrange(np.alen(alphas)):
    y[i] = np.random.dirichlet(alphas[i])
    print y

...这对于我的代码结构来说远非理想。为什么会出现这种情况，有人能想到一种更“类似 numpy”的方法吗？

提前致谢。

我有一个功能：

f = x**0.5*numpy.exp(-x/150)

我使用 numpy 和 matplot.lib 生成 f 作为 x 和 x 的函数的图：

x = np.linspace(0.0,1000.0, num=10.0)

我想知道如何创建随机 x 值的数组，以便使用我首先制作的 x 数组为此函数创建相同的图？

布莱恩

当使用 Sklearn 的 RandomForestRegressor 时，如何获得回归的残差？我想绘制这些残差以检查线性度。

当文件中只有一个值时，numpy.loadtxt()只返回值而不是数组，如何避免？

先感谢您！

例如文件中只有 12345

12345.6

numpy.loadtxt() 返回

12345.6

代替

array([12345.6])