这个问题

如何将N x N x N x...h5py数据集中的数据复制到一维标准Python列表而不制作数据的中间副本？

我可以想到使用中间副本执行此操作的几种不同方法.例如:

import h5py
import numpy as np

# initialize list, put some initial data in it
myList = ['foo']

# open up an h5py dataset from a file on disk
myFile = h5py.File('/path-to-my-data', 'r')
myData = myFile['bar']
myData.shape        # returns, for example, (5,15,7)

# copy dataset over to a numpy array
arr = np.zeros(myData.shape)
myData.read_direct(arr)

# finally, add data from copied dataset to myList
myList.extend(arr.flatten())

这可以在没有中间副本到numpy数组的情况下完成吗？

一些背景

(除非你很好奇,否则你绝对不必读这个)

我正在尝试通过他们的Python API将数据从HDF5文件复制到Protocol Buffers文件.这些都是用于编写自己的复杂可序列化数据结构的库/框架.就他们的Python …

虽然我知道tput rmcup从“备用屏幕”（在 中称为“杯子模式” man 5 terminfo）返回并恢复保存的屏幕，但它确实具有重新定位光标的副作用。

因此，如果tput smcup被调用，tput rmcup则恢复屏幕并重新定位光标，但如果您随后再键入一些命令或按 Enter 几次然后再次使用tput rmcup，光标将返回到原始保存的位置。

一个用例是在bash重播终端录音的脚本中[使用scriptreplay]：如果脚本提前结束而没有[相当于]调用tput rmcup，那么我希望能够在我的bash脚本中检测到这一点并tput rmcup自动调用。

简而言之，我希望能够确定当前的屏幕状态是什么；即，它是“备用屏幕”还是“正常屏幕”？

我目前正在尝试为矩形矩阵实现基于 Householder 的 QR 分解，如http://eprints.ma.man.ac.uk/1192/1/qrupdating_12nov08.pdf（第 3、4、5 页）中所述。

显然我弄错了一些伪代码，因为（1）我的结果不同于numpy.qr.linalg()（2）R我的例程产生的矩阵不是上三角矩阵。

我的代码（也可在https://pyfiddle.io/fiddle/afcc2e0e-0857-4cb2-adb5-06ff9b80c9d3/?i=true下找到）

import math
import argparse
import numpy as np
from typing import Union

def householder(alpha: float, x: np.ndarray) -> Union[np.ndarray, int]:
    """
    Computes Householder vector for alpha and x.
    :param alpha:
    :param x:
    :return:
    """

    s = math.pow(np.linalg.norm(x, ord=2), 2)
    v = x

    if s == 0:
        tau = 0
    else:
        t = math.sqrt(alpha * alpha + s)
        v_one = alpha - t if …

我有一个带有多个子图的 Matplotlib 图：

我想在其中一个刻度标签周围画一个红色的小框，如下所示：

我怎样才能在 Matplotlib 中做到这一点（可靠且可重复）？

我试图了解计算 iqr（四分位距）的方法。

根据这个，这个和这个，我尝试了 3 种解决方案来做到这一点。

解决方案_1

a = numpy.array([1, 2, 3, 4, 5, 6, 7])
q1_a = numpy.percentile(a, 25)
q3_a = numpy.percentile(a, 75)
q3_a - q1_a

解决方案_2

from scipy.stats import iqr
iqr(a)

解决方案_3

q1_am = np.median(numpy.array([1, 2, 3, 4]))
q3_am = np.median(numpy.array([4, 5, 6, 7]))
q3_am - q1_am

其中 3 个给出相同的结果 3，这是正确的。

当我尝试另一组数字时，事情变得很奇怪。

solution_1 和 2 都输出 0.95，这是不正确的。

x = numpy.array([4.1, 6.2, 6.7, 7.1, 7.4, 7.4, 7.9, 8.1])
q1_x = numpy.percentile(x, 25)
q3_x = …

我正在尝试在 python 中数值求解方程x=a*sin(x)，其中a是一些常数。我已经尝试先象征性地求解方程，但似乎这种特殊的表达形式并没有在 sympy 中实现。我也尝试使用 sympy.nsolve()，但它只给了我它遇到的第一个解决方案。

我的计划是这样的：

x=0
a=1
rje=[]
while(x<a):
    if (x-numpy.sin(x))<=error_sin:
        rje.append(x)
    x+=increment

print(rje)

我不想浪费时间或冒丢失解决方案的风险，所以我想知道如何找出我的设备上 numpy 的窦性有多精确（这将成为 error_sin）。

编辑：我尝试使 error_sin 和 increment 都等于我设备的机器 epsilon，但它 a) 需要很长时间，并且 b) sin(x) 不如 x 精确，所以我得到了很多非解决方案（或相当重复的解，因为 sin(x) 的增长比 x 慢得多）。因此这个问题。

编辑2：你能帮我回答一下关于numpy.sin(x)精度的问题吗？我提供有关目的的信息纯粹是为了上下文。

我有一个 Pandas 数据框，其中每一列代表一个单独的属性，每一行都保存特定日期的属性值：

import pandas as pd

dfstr = \
'''         AC        BO         C       CCM        CL       CRD        CT        DA        GC        GF
2010-01-19  0.844135 -0.194530 -0.231046  0.245615 -0.581238 -0.593562  0.057288  0.655903  0.823997  0.221920
2010-01-20 -0.204845 -0.225876  0.835611 -0.594950 -0.607364  0.042603  0.639168  0.816524  0.210653  0.237833
2010-01-21  0.824852 -0.216449 -0.220136  0.234343 -0.611756 -0.624060  0.028295  0.622516  0.811741  0.201083'''
df = pd.read_csv(pd.compat.StringIO(dfstr), sep='\s+')

使用该rank方法，我可以找到每个属性相对于特定日期的百分位排名：

df.rank(axis=1, pct=True)

输出：

             AC   BO    C  CCM   CL  CRD   CT   DA   GC   GF
2010-01-19  1.0  0.4  0.3  0.7  0.2 …

我在计算生物物理实验室工作.我不是程序员,虽然我得到报酬就像一个人.这是我的问题:该实验室的主要产品是一个巨大的(50多个源文件)C程序.我需要让我们的实验室程序与另一个实验室的工具包一起工作,这恰好是一系列C++库(.a文件)的形式.我可以使用以下makefile为我们的程序编译主库:

CC      = gcc
#CC = icc
CFLAGS  = -g -Wall
#CFLAGS = -xT -openmp -I/opt/local/include -I/usr/local/include -I/opt/GDBM/include
#CFLAGS  = -O3 -g -Wall -I/opt/GDBM/include -fopenmp

LIB     = mcce.a
AR      = ar
ARFLAGS = rvs


SRC     =  all.c       ddvv.c          geom_3v_onto_3v.c  ins_res.c         strip.c\
app.c       del_conf.c      geom_apply.c       line_2v.c         vdotv.c\
avv.c       del_prot.c      geom_inverse.c     load_all_param.c  vector_normalize.c\
avvvv.c     del_res.c       geom_move.c        load_param.c      vector_vminusv.c\
cpy_conf.c  det3.c          geom_reset.c       mxm4.c            vector_vplusv.c\
cpy_prot.c  det4.c          geom_roll.c        new_prot.c        vector_vxv.c\
cpy_res.c   dll.c           get_files.c        param_get.c  param_exist.c\
db_close.c  dvv.c           iatom.c            param_sav.c\
db_open.c   free_strings.c  ins_conf.c         plane_3v.c pdbline2atom.c\ …

程序 less、more 或 vi 是如何在终端屏幕上添加滚动部分而不清除屏幕的，之后它是如何消失的？

如果我从脚本或脚本退出的方式运行它，有没有办法在特定的时间内运行更少？

假设我有一个形状为 的发射数据(21600,43200)，它对应于lat和lon，即

lat = np.arange(21600)*(-0.008333333)+90
lon = np.arange(43200)*0.00833333-180

我还有一个形状为 的缩放因子(720,1440,7)，对应于lat、lon、day of week和

lat = np.arange(720)*0.25-90 
lon = np.arange(1440)*0.25-180

现在，我想将该因子应用于排放数据，并且我认为我需要将该因子插值到(720,1440)上(21600,43200)。之后，我可以将插值因子与排放数据相乘以获得新的排放输出。

但我对插值方法有困难。有人能给我一些建议吗？