标签: scipy

我正在Python中寻找动态增长的向量，因为我事先不知道它们的长度。此外，我想计算这些稀疏向量之间的距离，最好使用 scipy.spatial.distance 中的距离函数（尽管欢迎任何其他建议）。有什么想法如何做到这一点？（最初，它不需要高效。）

预先非常感谢！

我正在尝试生成这样的热图。

我只想有一种颜色，从值较小的白色到值较高的其他颜色。

我尝试将 cmap 设置为一种颜色，但最终结果仍然是一张可以看到不同颜色（蓝色、红色等）的地图。

我怎样才能做到这一点？另外，这些值是否需要在特定范围内？

您好，我有数据集（麦克斯韦和高斯），我用它们绘制直方图。我使用 scipy.stats.chisquare 拟合数据，但默认情况下，自由度为 0。如果我理解正确，这是不可能的，对吗？

我必须从csv文件中读取多个数据，当我想从csv数据反转矩阵时，我得到了这个：

numpy.linalg.linalg.LinAlgError: singular matrix

并且该过程卡在此部分：

J = np.mat([dtdx,dtdy,dtdz]).transpose()
dd = np.mat(ttcal-tt)
dm = (scipy.linalg.inv(J.transpose()*J))*((J.transpose())*(dd.transpose()))

来自“J”的数据如下：

[[-6.81477651e-03 -7.90320450e-03  6.50533437e-05]
 [-6.71080644e-03 -6.00135428e-03  6.50533437e-05]]

来自“dd”的数据如下：

[[0.00621772 0.00537531]]

我已经检查了这些数据，我发现了这一点：

tes = J.transpose()*J

结果如下：

[[ 9.14761019e-05  9.41324993e-05 -8.79884397e-07]
 [ 9.41324993e-05  9.84768945e-05 -9.04538042e-07]
 [-8.79884397e-07 -9.04538042e-07  8.46387506e-09]]

我需要反转这个矩阵，但这个数据是奇异矩阵。我必须尝试在 matlab r2017b 上运行并且运行良好。

我需要在python上解决这个问题。

scipy.optimize 模块具有 scipy.optimize.minimize，它允许找到最小化目标函数的值。但是没有 scipy.optimize.maximize。为什么？如何使用 SciPy 解决最大化问题？

我有一堆图像，看起来像下面的图像，边缘厚度各不相同。

我想通过 python scipy.optimize.curve_fit 函数将正弦函数拟合到这个图像。然而，如图所示，条纹图案仅限制在圆形区域内。那我该如何进行拟合呢？

我想将此 MATLAB 代码翻译成 Python，我想我做的一切都是正确的，即使我没有得到相同的结果。

MATLAB 脚本：

n=2   %Filter_Order
Wn=[0.4 0.6]  %# Normalized cutoff frequencies 
[b,a] = butter(n,Wn,'bandpass') % Transfer function coefficients of the filter

蟒蛇脚本：

import numpy as np
from scipy import signal

n=2   #Filter_Order
Wn=np.array([0.4,0.6]) # Normalized cutoff frequencies 
b, a = signal.butter(n, Wn, btype='band') #Transfer function coefficients of the filter 

a MATLAB 中的系数： 1, -5.55e-16, 1.14, -1.66e-16, 0.41

a Python中的系数： 1, -2.77e-16, 1.14, -1.94e-16, 0.41

难道这只是一个精度问题，因为两个不同的值（第二个和第四个）都在10^(-16)?!

b另一方面，系数是相同的。

当我尝试使用 Scipy.misc.imsave('path',image) 保存图像时。

我收到此错误：模块 'scipy.misc' 没有属性。

我正在 Ubuntu 17.10 上工作，并且安装了枕头和 scipy。你能帮我吗。

我想计算的Gradient，并Hessian与各变量以下功能x和y。任何人都可以帮忙吗？非常感谢。

我从github 中找到了一个用于计算 Rosenbrock 函数的相关代码。

def objfun(x,y):
    return 10*(y-x**2)**2 + (1-x)**2
def gradient(x,y):
    return np.array([-40*x*y + 40*x**3 -2 + 2*x, 20*(y-x**2)])
def hessian(x,y):
    return np.array([[120*x*x - 40*y+2, -40*x],[-40*x, 20]])

更新：

from sympy import symbols, hessian, Function, N

x, y = symbols('x y')
f = symbols('f', cls=Function)

f = (1/2)*np.power(x, 2) + 5*np.power(y, 2) + (2/3)*np.power((x-2), 4) + 8*np.power((y+1), 4)

H = hessian(f, [x, y]).subs([(x,1), (y,1)])
print(np.array(H))
print(N(H.condition_number()))

输出：

[[9.00000000000000 0] …

我试着制造一些柏林噪音，但用 from scipy.misc import toimage

我收到一个导入错误：

Traceback (most recent call last): File "C:\Perlintest.py", line 3, in <module> from scipy.misc import toimage ImportError: cannot import name 'toimage' from 'scipy.misc' (C:\Packages\PythonSoftwareFoundation.Python.3.8_qbz5n2kfra8p0\LocalCache\local-packages\Python38\site-packages\scipy\misc\__init__.py)