小编unu*_*tbu的帖子

即使一切似乎都是矢量化的,下面的代码运行得太慢了.

from numpy import *
from scipy.sparse import *

n = 100000;
i = xrange(n); j = xrange(n);
data = ones(n);

A=csr_matrix((data,(i,j)));

x = A[i,j]

问题似乎是索引操作是作为python函数实现的,并且调用A[i,j]结果导致以下分析输出

         500033 function calls in 8.718 CPU seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
   100000    7.933    0.000    8.156    0.000 csr.py:265(_get_single_element)
        1    0.271    0.271    8.705    8.705 csr.py:177(__getitem__)
(...)

也就是说,python函数_get_single_element被调用100000次,这实在是效率低下.为什么不在纯C中实现？有没有人知道解决这个限制的方法,并加快上述代码？我应该使用不同的稀疏矩阵类型吗？

有没有办法在显示matplotlib图时默认自动激活"缩放到矩形"工具？

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-300, 300)
y = x**2-7*x
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
plt.plot(x, y)
# Add something here to activate the "Zoom to rectangle" tool?
plt.show()

我有以下代码,它的工作原理.这基本上重命名列中的值,以便以后可以合并它们.

pop = pd.read_csv('population.csv')
pop_recent = pop[pop['Year'] == 2014]

mapping = {
        'Korea, Rep.': 'South Korea',
        'Taiwan, China': 'Taiwan'
}
f= lambda x: mapping.get(x, x)
pop_recent['Country Name'] = pop_recent['Country Name'].map(f)

警告: 正在尝试在DataFrame的切片副本上设置值.尝试使用.loc [row_indexer,col_indexer] = value,请参阅文档中的警告:http: //pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy pop_recent ['国家名称'] = pop_recent ['国家名称'].地图(f)

我确实谷歌了!但似乎没有任何例子使用地图,所以我不知所措......

当使用matplotlib 2.0.2,python2.7,Win7,64bit创建直方图时,我在bin之间得到垂直条纹,在pdf和png中都可见.我使用latex来创建PDF,我将在pdflatex文档中使用includegraphics.创建的PNG只是一个快速检查.

在Matplotlib 1.5.3中并非如此.如何摆脱分隔各个箱子的这些白线？

事情尝试:

• 打开/关闭抗锯齿(在hist命令中aa = True/False)
• 在hist命令中绘制一条线(ls =" - "/ ls ="none")
• 有一点可以做的就是为箱子提供宽度(宽度= 2.3),但这对于所有缩放值的PDF也不起作用.

用于生成图像的代码

import matplotlib as mpl
mpl.use('pgf')
pgf_with_latex = {                      # setup matplotlib to use latex for output
    "pgf.texsystem": "pdflatex",        # change this if using xetex or lautex
    "text.usetex": True,                # use LaTeX to write all text
    "font.family": "serif",
    "font.serif": [],                   # blank entries should cause plots to inherit fonts from the document
    "font.sans-serif": [],
    "font.monospace": [],
    "axes.labelsize": 10,               # LaTeX default is 10pt …

我正在进行本地化项目并使用最小二乘估计来确定发射机的位置.我需要一种方法来统计我的程序中我的解决方案的"适应性",这可以用来告诉我是否有一个好的答案,或者我需要额外的测量,或者有不好的数据.我已经阅读了一些关于使用"确定系数"或R平方的内容,但未能找到任何好的例子.关于如何表征我是否有一个好的解决方案,或需要额外的测量的任何想法将非常感激.

谢谢!

我的代码给了我以下输出,

grid_lat和grid_lon对应于可能的目标位置的网格的纬度和经度坐标

grid_lat = [[ 38.16755799  38.16755799  38.16755799  38.16755799  38.16755799
  38.16755799]
  [ 38.17717199  38.17717199  38.17717199  38.17717199  38.17717199
    38.17717199]
  [ 38.186786    38.186786    38.186786    38.186786    38.186786    38.186786  ]
  [ 38.1964      38.1964      38.1964      38.1964      38.1964      38.1964    ]
  [ 38.20601401  38.20601401  38.20601401  38.20601401  38.20601401
    38.20601401]
  [ 38.21562801  38.21562801  38.21562801  38.21562801  38.21562801
    38.21562801]
  [ 38.22524202  38.22524202  38.22524202  38.22524202  38.22524202
    38.22524202]]

grid_lon = [[-75.83805812 -75.83006167 -75.82206522 -75.81406878 -75.80607233
    -75.79807588]
  [-75.83805812 -75.83006167 -75.82206522 -75.81406878 -75.80607233
    -75.79807588]
  [-75.83805812 -75.83006167 -75.82206522 -75.81406878 -75.80607233
    -75.79807588]
  [-75.83805812 -75.83006167 -75.82206522 …

我有一本名为 G 的字典。当我输入 时G. keys ()，输出的示例如下：

>>> G.keys ()
[(1490775.0, 12037425.0), (1493775.0, 12042675.0), (1481055.0, 12046305.0), (1503105.0, 12047415.0), (1488585.0, 12050685.0), (1483935.0, 12051405.0),...

当我使用该操作时，key in G结果是错误的。

>>> (1490775.0, 12037425.0) in G
False

为什么我的字典无法识别我的按键？

>>> type (G.keys()[0])
<type 'numpy.void'>
>>> type (G.keys()[0][0])
<type 'numpy.float64'>
>>> type (G.keys()[0][1])
<type 'numpy.float64'>
type(G)
<type 'dict'>

已经问过类似的问题，但没有一个答案完全符合我的需要 - 有些允许多维搜索（又名 matlab 中的“行”选项）但不返回索引。有些返回索引但不允许行。我的数组非常大（1M x 2）并且我成功地制作了一个有效的循环，但显然这非常慢。在 matlab 中，内置的 ismember 函数大约需要 10 秒。

这是我要找的：

a=np.array([[4, 6],[2, 6],[5, 2]])

b=np.array([[1, 7],[1, 8],[2, 6],[2, 1],[2, 4],[4, 6],[4, 7],[5, 9],[5, 2],[5, 1]])

执行此操作的确切 matlab 函数是：

[~,index] = ismember(a,b,'rows')

在哪里

index = [6, 3, 9] 

我有一个大型数据集,具有以下结构

User     X
1        0
1        0
2        0
2        0
2        1
3        0
3        0

我想获取数据的子集,使得每个用户的列X的总和为0.给定上述示例,子集应仅包括用户1和3的观察结果,如下所示

User     X
1        0
1        0
3        0
3        0

有没有办法使用groupby函数执行此操作而不分组数据？我希望子集包含个别观察.

我正在尝试使用 python 绘制矢量场散度的轮廓图，然后向该图中添加一个颜色条。我的级别旨在从 -0.01 到 0.01 在零附近对称。

这是我的代码的一部分：

div_levs = [-0.01, -0.005, -0.0025, 0.0025, 0.005, 0.01]
col = ['Blue', 'SteelBlue', 'White', 'Orange', 'Red']
c = plt.contourf(iwrf['x'], iwrf['y'], np.squeeze(iwrf['DIV'][ind_lev,:,:]), 
                 levels=div_levs, colors=col, extend='both')
c.cmap.set_over('Magenta') 
c.cmap.set_under('MidnightBlue')     
bar = plt.colorbar(ticks=div_levs)
bar.set_label('1/s') 

如果我执行 python 脚本，它就可以工作，并且所有内容都以正确的方式绘制，但颜色图标有：

0.9900, 0.9950, 0.9975, 1.025, 1.0050, 1.0100

并且在颜色条的顶部显示“-1”。

我已经尝试了很多，包括在创建颜色条后设置它的刻度，或者在调试模式下设置刻度，但似乎没有任何改变这种行为。

对此有何想法？

我有一个由0和1组成的字符串,就像'00101'.我想将它转换为numpy数组numpy.array([0,0,1,0,1].

我正在使用for循环:

import numpy as np
X = np.zeros((1,5),int)
S = '00101'
for i in xrange(5):
    X[0][i] = int(S[i])

但由于我有很多字符串,每个字符串的长度是1024,这种方式非常慢.有没有更好的方法来做到这一点？