小编Tho*_*ald的帖子

我试图计算大约100个节点的矩阵中的拓扑属性的标准偏差.我想要编写的代码如下:

如何计算标准差

(这需要一个方括号关闭)

X是哪里

如何计算拓扑属性X.

但是应该用g代替.

结果我编写了以下内容.我尝试使用大约85个节点的随机图运行代码.为此,S并且G都是85由85矩阵,其中所有输入项为0和1之间的浮纱和n在这种情况下节点85的数量,.输入代码的是M_std(type = numpy.ndarray,S在函数的输入中),它是g_ {ij}的标准差的矩阵,并且M_p(type = numpy.ndarray,G in function of function)是一个矩阵的期望值g_ {ij}.Derivative指(delta X)/(delta g_ {ij}).Std_1是广场之间的一切.

import networkx as nx
import numpy as np
import math

def new_calc_std_1(S, G, n):
    std_1 = 0
    for e in range(n):
        for f in range(n):
            derivative = 0
            for i in range(n):
                for j in range(n):
                    for k in range(n):
                        if i == j …

我试图找到函数的根。我过去使用过fsolve，但是随着我的数据集越来越大，它似乎变得更加不一致（-> n = 187）。现在我正在寻找替代品并找到了scipy.root。我不明白两者之间的区别是什么，在我的情况下哪个更好。

我正在尝试求解以下3N耦合方程，并试图找到向量xy和z：

我的代码如下，其中inrec，outrec和rec是预定的值列表：

import scipy as sp
import numpy as np
from scipy.optimize import fsolve 
import math

def f(w, n, onrec, inrec, rec):
F = [0]*3*n 
for i in range(n): 
    F[i] = -onrec[i] #k_i>
    F[n+i] = -inrec[i] #k_i<
    F[(2*n)+i] = -rec[i] #k_i <>
    for j in range(n):
        if i == j:
            None
        else: #below the three functions are stated. w[i] = x_i, w[n+i] = y_i, w[2*n + i] = z_i
            F[i] += (w[i]*w[n+j])/(1+w[i]*w[n+j]+w[j]*w[n+i]+w[2*n+i]*w[2*n+j])
            F[n+i] …

我正在做一些非常冗长的计算（8 小时）。在进行这些计算时，我正在用 chrome 做其他事情。那个网站出了点问题，chrome 关闭了，我的 jupyter notebook 文件也在那里运行。现在我已经重新启动它并且徽标仍然表示程序正在运行（它显示沙漏图标），但我不确定这是否真的如此，在这种情况下，我想尽快重新启动程序能够。

希望大家帮帮忙！谢谢！

我目前正在 jupyter notebook 中运行 python 函数，这需要很长时间。Python 说它在大约 98% 的 CPU 上运行，但是，仍然有大约 60% 的 CPU 未使用。现在经过一些谷歌搜索，我发现这与我的处理器线程有关（我不是计算机工程师，如果这是不正确的，我很抱歉）。但是，我想知道是否可以在 jupyter notebook 中运行另一个函数，它会占用 60% 未使用的活动中的一部分，还是将 99% 分配给两个函数，从而减慢这两个函数的速度。我希望你们能帮忙。如果有什么不清楚的，请告诉我。

PS 我使用的是 2012 年末的 macbook pro 视网膜（我知道），2,5 gHZ intel core i5，8 gbs 内存。它有两个内核和一个处理器。