小编uho*_*hoh的帖子

看到这个答案我想知道X的平面视图的创建是否基本相同,只要我知道X中的轴数是3:

A = X.ravel()

s0, s1, s2 = X.shape
B = X.reshape(s0*s1*s2)

C = X.reshape(-1)  # thanks to @hpaulj below

我不是在问A和B和C是否相同.

我想知道在这种情况下特定使用ravel和reshape在这种情况下是否基本相同,或者如果您提前知道X的轴数,是否存在重大差异,优点或缺点.

第二种方法需要几微秒,但这似乎与尺寸无关.

按照http://sfepy.org/doc-devel/installation.html#installing-sfepy 中的指示，我使用以下命令将 SfePy 安装到我的 Python 2.7 anaconda

conda install -c conda-forge sfepy

在那之后，我不能再导入 numpy

>>> import numpy as np
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/david/anaconda2/lib/python2.7/site-packages/numpy/__init__.py", line 142, in <module>
    from . import core
  File "/Users/david/anaconda2/lib/python2.7/site-packages/numpy/core/__init__.py", line 91, in <module>
    raise ImportError(msg.format(path))
ImportError: Something is wrong with the numpy installation. While importing we 
detected an older version of numpy in ['/Users/david/anaconda2/lib/python2.7/site-packages/numpy']. One method of fixing this is to repeatedly uninstall numpy until …

我正在使用其他地方的方法，它需要内置的整数类型int而不是 NumPy 创建的类型。这是一个简化：

a = np.arange(6, dtype='int').reshape(2,3)
b = a.tolist()

f(a[0,0]) # fails
f(b[0][0]) # works

失败给出错误信息：

类型错误：bpy_struct：item.attr = val：int 类型的预期序列项，而不是 numpy.int64

虽然tolist()有效，但我在此过程中失去了 NumPy。我的问题是，我可以使用内置类型的 int 来保持 NumPy 的形式和灵活性吗？

我想存储一个类和许多实例供以后使用，或提供给其他人。

到目前为止，我可以腌制和恢复实例，但是在加载它们之前，我必须手动重新创建该类。

我查看了这份文档，这使我相信我应该能够以某种方式执行此操作，但是我似乎无法确切地找到执行该操作的方法。

编辑：我读过这个答案讨论使用的dill（见这问题的答案也），但我没有dill安装。我想要一个泡菜解决方案（如果存在）。

import numpy as np
import pickle

class wow(object):
    def __init__(self, x):
        self.x = x

w5 = wow(np.arange(5))
w3 = wow(range(3))

with open("w5w3.pickle", "w") as outfile:
    pickle.dump([w5, w3], outfile)

# save the class also
with open("wow.pickle", "w") as outfile:
    pickle.dump(wow, outfile)

# OK, now delete class wow, then try to recover the pickles
del wow, w3, w5

try:
    with open("wow.pickle", "r") as infile:
        wow = pickle.load(infile)

except …

以下是bookhomography-example-1.jpg再bookhomography-example-2.jpg从流行的OpenCV博文约单应。

我可以做单应性和扭曲图像，但是当我尝试使用或时，h或h[0]不起作用。我也尝试过将2D数组转换为元组的元组，但是没有任何变化。这可能很简单，但我无法弄清楚。cv2.perspectiveTransform(pts, h)cv2.perspectiveTransform(pts, h[0])h[0]

错误信息：

追溯（最近一次通话）：

T_dst = cv2.perspectiveTransform（pts_dst，h）中的文件“ bookhomography stackexchange v00.py”，第36行，TypeError：m不是数字元组

注：设置False于True诱发失败。两条变换线之一是方向错误，但均会失败。

import numpy as np
import matplotlib.pyplot as plt
import cv2

im_src = cv2.imread("bookhomography-example-2.jpg")
im_dst = cv2.imread("bookhomography-example-1.jpg")

im_srcrgb = cv2.cvtColor(im_src, cv2.COLOR_BGR2RGB)
im_dstrgb = cv2.cvtColor(im_dst, cv2.COLOR_BGR2RGB)

pts_src = np.float32([52, 376, 240, 528, 413, 291, 217, 266]).reshape(4, -1)
pts_dst = np.float32([56, 478, 387, 497, 376, 124, 148, 218]).reshape(4, -1)

h       = cv2.findHomography(pts_src, …

当我显示一个数组时，对象的默认__repr__()方法对于ndarray我想要做的来说太大了：

a = np.eye(32)
b = {'hello':42, 'array':a}
b

产生：

{'array': array([[ 1.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  1.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  1., ...,  0.,  0.,  0.],
   ..., 
       [ 0.,  0.,  0., ...,  1.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  1.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  1.]]), 'hello': 42}

我尝试了一个丑陋的解决方案，重新分配__repr__：

def wow():
    return "wow!"

a.__repr__ = wow

这会产生归因错误，我并不感到惊讶：

Traceback (most recent …

在2.7中学习pythonic.有没有办法避免显式循环？回答=[5, 4, 4, 3, 3, 2]

import numpy as np
import scipy.special as spe

nmax = 5     # n = 0, 1 ...5
mmax = 7     # m = 1, 2 ...7
big = 15.
z = np.zeros((nmax+1, mmax))
for i in range(nmax+1):
    z[i] = spe.jn_zeros(i, mmax)
answer = [np.max(np.where(z[i]<big))+1 for i in range(nmax+1)]
print answer # list of the largest m for each n where the mth zero of Jn < big

要生成出现在set a中的值的排序列表,这可以:

a = [1,1,7,3,2,9,2]
b = list(set(a))
b.sort()
print b

但是将两条线放在一起,它返回None:

a = [1,1,7,3,2,9,2]
b = list(set(a)).sort()
print b

尽管这些都是真的:

 type(list(set(a))) is list
 len(list(set(a)))  > 0

我的问题是,为什么第二种方法只返回一个排序列表 - 为什么我必须将它们放在不同的行上(如第一种方法)？

我有一个引力势的表达式（这里的方程 15 ），为了计算轨道，我需要评估引力，即局部梯度，对我来说，这意味着评估勒让德多项式P2、P4 和P6 单值数万倍。

我可以使用这个问题中的表达式来计算它，但我想知道是否有一种方法可以向 python 询问导数，而不会明确涉及我将导数评估为有限差分。

我在 SciPy 中找不到任何可以自动执行此操作的内容。有numpy.polynomial.legendre.Legendre一种deriv()方法，但我没有使用多项式类的经验。

计算低阶勒让德多项式的一阶导数（一次一个适合数值积分的值）的最快方法是什么？

我THEME = 'bootstrap'在 pelican 中使用来生成静态站点。我已按照此答案中的说明进行操作，该说明解决了 bootstrap3

1. 创建一个 custom.css 文件并将其放在一个extras文件夹中
2. 编辑pelicanconf.py并添加三行

但我没有看到字体大小有任何变化。我还需要做些什么来“调用”更改吗？当我编辑/损坏 css 文件以查看 pelican 是否注意到时，没有任何反应，这让我相信缺少某些东西。任何有用的解释表示赞赏 - 我是新手。

我会很高兴将所有字体设为当前大小的 150%，但针对某些部分会很棒。

编辑：我使用重组文本。