小编Hap*_*yPy的帖子

m = np.random.randint(4,size=(4,4,4))

假设我想为每个整数创建单独的数组

mm=[]
mm.append((m==1).astype(int))
mm.append((m==2).astype(int))
mm.append((m==3).astype(int))

我不知道是否有更好的方法来做到这一点,而无需显式定义m==1等是否有可能一样容易,因为它是在Matlab多维数组如本实施蟒蛇隐式扩张方式后？

我有两个相同大小的 rgb 图像，我想计算一个相似性度量。我想从欧几里得距离开始：

import scipy.spatial.distance as dist
import cv2

im1 = cv2.imread("im1.jpg")
im2 = cv2.imread("im2.jpg")

>> im1.shape
(820, 740, 3)

>> dist.euclidean(im1,im2)

ValueError: Input vector should be 1-D.

我知道dist.euclidean需要一个1-d阵列和im1和im2是3-d，但有将与3-d阵列工作，或者是否有可能变换函数im1和im2到1-d阵列蜜饯在图像中的信息?

import pandas as pd
import statsmodels.formula.api as smf

df = pd.read_csv('http://www.bodowinter.com/tutorial/politeness_data.csv')
df = df.drop(38)

在R我会做：

lmer(frequency ~ attitude + (1|subject) + (1|scenario), data=df)

这R给了我：

Random effects:
 Groups   Name        Variance Std.Dev.
 scenario (Intercept)  219     14.80   
 subject  (Intercept) 4015     63.36   
 Residual              646     25.42   
Fixed effects:
            Estimate Std. Error t value
(Intercept)  202.588     26.754   7.572
attitudepol  -19.695      5.585  -3.527

我试图用做同样的事情statsmodels：

model = smf.mixedlm("frequency ~ attitude", data=df, groups=df[["subject","scenario"]]).fit()

但是model.summary()给了我不同的输出：

      Mixed Linear Model Regression Results
=======================================================
Model: …

是否可以一次性将一个numpy对象分配给多个变量？

例如,我有许多我想要启动的变量 np.zeros((2,), dtype=np.object)

我想过要做a,b,c = np.zeros((2,), dtype=np.object)但有一个ValueError.a=b=c=np.zeros((2,), dtype=np.object)不起作用,因为如果我改变一个变量,其他变量也会改变.

有三个变量,如上面的例子,手动操作不是问题,但是当我有几十个时,能够以更有效的方式做到这一点会很方便.

编辑 - 一个更具体的例子是:

a = np.zeros((2,),dtype=np.object)
b = np.zeros((2,),dtype=np.object)
c = np.zeros((2,),dtype=np.object)


a[0] = pd.Series(data=np.random.rand(10))
a[1] = pd.Series(data=np.random.rand(5))

b[0] = 'text1'
b[1] = 'text2'

c[0] = [0,0,0,0,0,0,0,0,0]
c[1] = [1,1,1,1,1]

data = {'a':a, 'b':b, 'c':c}

sio.savemat('test.mat',{'data':data})

a = np.array([1,2,4,2,3,4,1])
s = [1,2]

如何获得一个数组，该数组告诉我中的元素是否s存在a？这就是我希望得到的：

[True, True, False, True, False, False, True]

df=pd.DataFrame({'col1':['a','a','b','b','c'],'col2':['x','y','x','y','x']})

我想为 中的每个字母选择那些与 的col1字母所有可能配对的行col2。在这个例子中应该是

  col1 col2
0    a    x
1    a    y
2    b    x
3    b    y

因为这对[c y]失踪了。