小编Eth*_*xxx的帖子

我想通过球体表面上的色彩映射使用Matplotlib绘制数据.另外,我想添加一个3D线图.我到目前为止的代码是这样的:

import matplotlib
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np


NPoints_Phi         = 30
NPoints_Theta       = 30

radius              = 1
pi                  = np.pi
cos                 = np.cos
sin                 = np.sin

phi_array           = ((np.linspace(0, 1, NPoints_Phi))**1) * 2*pi
theta_array         = (np.linspace(0, 1, NPoints_Theta) **1) * pi


phi, theta          = np.meshgrid(phi_array, theta_array) 


x_coord             = radius*sin(theta)*cos(phi)
y_coord             = radius*sin(theta)*sin(phi)
z_coord             = radius*cos(theta)


#Make colormap the fourth dimension
color_dimension     = x_coord 
minn, maxx          = color_dimension.min(), color_dimension.max()
norm                = matplotlib.colors.Normalize(minn, maxx)
m …

我如何确定n维numpy数组Arr是C样式还是Fortran样式连续的？

在Numpy中评估表达式时,我发现了一个奇怪的性能差异.

我执行了以下代码:

import numpy as np
myarr = np.random.uniform(-1,1,[1100,1100])

然后

%timeit np.exp( - 0.5 * (myarr / 0.001)**2 )
>> 184 ms ± 301 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)

和

%timeit np.exp( - 0.5 * (myarr / 0.1)**2 )
>> 12.3 ms ± 34.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

在第二种情况下,计算速度提高了近15倍!请注意,唯一的区别是因子为0.1或0.001.

这种行为的原因是什么？我可以更改某些内容以使第一次计算与第二次计算一样快吗？

这个问题基本上是一个扩展了这个问题.

我A在Matlab中有一个矩阵,想要沿着一个维度对该矩阵进行排序:

A = rand(3,3,5); [B idx] = sort(A,3);

现在idx是一个包含"已排序"索引的矩阵.我怎样才能A使用B和取回矩阵idx？

遗憾的是,原始问题的答案对矩阵不起作用.

更新numpy到版本1.14.1后,执行任何命令(例如键入1+1)后,我收到以下警告消息:

/home/username/anaconda3/lib/python3.6/site-packages/numpy
/core/_methods.py:26: RuntimeWarning: invalid value encountered in reduce
return umr_maximum(a, axis, None, out, keepdims)

现在有人问题是什么以及如何解决它？

当我执行以下代码时

import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import Rbf

x_coarse, y_coarse = np.mgrid[0:5, 0:5]
x_fine, y_fine = np.mgrid[1:4:0.23,1:4:0.23]
data_coarse = np.ones([5,5])

rbfi = Rbf(x_coarse.ravel(), y_coarse.ravel(), data_coarse.ravel())

interpolated_data = rbfi(x_fine.ravel(), y_fine.ravel()).reshape([x_fine.shape[0], 
                                                                  y_fine.shape[0]])

plt.imshow(interpolated_data)

该数组interpolated_data的值范围为 0.988 到 1.002，相应的图如下所示：

但是，我希望在这样一个简单的插值情况下，插值值会更接近正确值，即 1.000。

我认为插值的变化是由插值点到给定数据点的距离不同引起的。

我的问题是：有没有办法避免这种行为？如何获得不按插值点到数据点的距离进行加权的插值，并且只给我 1.000 的值interpolated_data？

当我尝试使用以下代码使用scipy.minimize.brute（）最小化一个函数时：

import scipy
scipy.optimize.brute(lambda x: x**2, ranges=(-2,3))

我收到以下错误：

TypeError: object of type 'int' has no len()

我想这与范围的规格有关，但是我不明白为什么。该文件说

范围元组的每个组成部分都必须是“切片对象”或形式（低，高）的范围元组。

我的错误在哪里？

scipy.optimize.fmin_powell()和scipy.optimize.minimize()与指定为“Powell”的方法有什么区别？

我想将随机散布在球体表面上的数据插入到规则的经度/纬度网格上。我试图SmoothSphereBivariateSpline()从scipy.interpolate包中做到这一点（见下面的代码）。

import numpy as np
from scipy.interpolate import SmoothSphereBivariateSpline

#Define the input data and the original sampling points
NSamp = 2000
Theta = np.random.uniform(0,np.pi,NSamp)
Phi   = np.random.uniform(0,2*np.pi, NSamp)
Data  = np.ones(NSamp)

Interpolator = SmoothSphereBivariateSpline(Theta, Phi, Data, s=3.5)

#Prepare the grid to which the input shall be interpolated
NLon = 64
NLat = 32
GridPosLons = np.arange(NLon)/NLon * 2 * np.pi
GridPosLats = np.arange(NLat)/NLat * np.pi
LatsGrid, LonsGrid = np.meshgrid(GridPosLats, GridPosLons)
Lats = LatsGrid.ravel()
Lons = LonsGrid.ravel() …

我目前正在尝试在 Ubuntu 18.04 计算机上安装此 GitHub 库，并且遵循了 Github 页面上所述的所有安装步骤。但是，当我尝试在命令行中调用该函数时siemens_to_ismrmrd，出现以下错误：

error while loading shared libraries: libhdf5.so.101: cannot open shared object file: No such file or directory

不过，libhdf5 安装在我的机器上。locate libhdf5.so在命令行中输入给出

/home/username/anaconda3/lib/libhdf5.so
/home/username/anaconda3/lib/libhdf5.so.101
/home/username/anaconda3/lib/libhdf5.so.101.0.0
/home/username/anaconda3/pkgs/hdf5-1.10.1-h9caa474_1/lib/libhdf5.so
/home/username/anaconda3/pkgs/hdf5-1.10.1-h9caa474_1/lib/libhdf5.so.101
/home/username/anaconda3/pkgs/hdf5-1.10.1-h9caa474_1/lib/libhdf5.so.101.0.0

在关于 SO 的另一个问题中，建议运行sudo ldconfig. 这对我的情况也没有帮助，仍然弹出相同的错误。

echo $LD_LIBRARY_PATH建议在其他问题中查看的命令不返回任何内容。

我该如何解决这个问题？

Scipy 函数griddata和Rbf均可用于内插随机分散的 n 维数据。它们之间有什么区别？其中之一在准确性或性能方面是否优越？

IMO，这不是这个问题的重复，因为我不是在问如何执行插值，而是在问两种特定方法之间的技术差异是什么。

我想在 LibreOffice Draw 中绘制一条高斯曲线作为矢量图形。使用“曲线”函数，我只能得到 类似抛物线的东西。 有人知道如何做高斯吗？

先感谢您！

我想检查文件是否存在并尝试使用以下函数

#include <fstream>

bool DoesFileExist(const std::string& filename) {
    std::ifstream ifile(filename.c_str());
    return (bool)ifile;
    }

但是,它似乎没有正常工作,因为而不是检查存在是否创建了文件!这有什么问题？

请注意,我被迫使用C++ 98标准,不能使用#include <sys/stat.h>或#include <unistd.h>在此处接受的答案中建议.