目标

我想计算数值标量场的 3D 体积积分。

代码

在这篇文章中，我将使用一个可以精确计算积分的示例。因此我选择了以下函数：

在 Python 中，我定义了函数和 3D 中的一组点，然后生成这些点处的离散值：

import numpy as np


# Make data.
def function(x, y, z):
    return x**y**z

N = 5
grid = np.meshgrid(
    np.linspace(0, 1, N),
    np.linspace(0, 1, N),
    np.linspace(0, 1, N)
)

points = np.vstack(list(map(np.ravel, grid))).T

x = points[:, 0]
y = points[:, 1]
z = points[:, 2]

values = [function(points[i, 0], points[i, 1], points[i, 2])
          for i in range(len(points))]

问题

如果我不知道底层函数，即如果我只有坐标 ( x, y, z) 和 ，我怎样才能找到积分values？

我正在尝试计算向量场的散度：

Fx  = np.cos(xx + 2*yy)
Fy  = np.sin(xx - 2*yy)
F = np.array([Fx, Fy])

分析解决方案

这是基于散度的解析计算的散度 (div(F) = dF/dx + dF/dy ) 的样子（请参阅此处的Wolfram Alpha ）：

• dFx/dx = d/dx cos(x+2y) = -sin(x+2y)
• dFy/dy = d/dy sin(x-2y) = -2*cos(x-2y)

分歧：

div_analy = -np.sin(xx + 2*yy) - 2*np.cos(xx - 2*yy)

编码：

# Number of points (NxN)
N = 50
# Boundaries
ymin = -2.; ymax = 2.
xmin = -2.; xmax = 2.


# Create Meshgrid
x = np.linspace(xmin,xmax, N) …

我有这个矩阵:

a = [1 2 2 1; 1 1 2 2]

%   1     2     2     1 
%   1     1     2     2

我想找到所有的1并将它们归零.

[~, a_i] = find(a == 1);
a(a_i) = 0

%   0     2     2     1 
%   0     0     2     2

为什么第一排还有1？

我有以下图片：

转换为base64，看起来是这样的：

import base64
filename = 'image.jpg'  

with open(filename, "rb") as image_file:
    encoded_string = base64.b64encode(image_file.read())
    image_file.close()

with open("encoded_string.txt", "w") as converted_file:
    converted_file.write(str(encoded_string))
    converted_file.close()

在此处下载输出文件 (base64)：https : //file.io/NXV7v4

现在，我的问题是：

如何检索转换后的图像并将其显示在 jupyter notebook 中，而无需存储它？

基于 [this][2] 问题，我尝试了：

from PIL import Image
import cv2
import io


# Take in base64 string and return cv image
def stringToRGB(base64_string):
    imgdata = base64.b64decode(str(base64_string))
    image = Image.open(io.BytesIO(imgdata))
    return cv2.cvtColor(np.array(image), cv2.COLOR_BGR2RGB)

stringToRGB(encoded_string)

但我得到了：

---------------------------------------------------------------------------
OSError                                   Traceback (most recent call last)
<ipython-input-43-2564770fa4af> in <module>()
----> 1 stringToRGB(encoded_string)

<ipython-input-42-538f457423e9> …

我正在尝试编写一种方法来转换字幕文件，以便每个字幕始终只有一个句子。

我的想法如下：

1. 对于每个字幕：

1.1->我得到字幕的持续时间

1.2->计算 characters_per_second

1.3->使用它来存储（里面dict_times_word_subtitle）说单词的时间i

2. 我从全文中提取句子

3. 对于每个句子：

3.1我在（内部dict_sentences_subtitle）存储用特定单词讲句子所花费的时间（从中我可以得到说出来的持续时间）

4. 我创建了一个新的srt文件（字幕文件），该文件与原始srt文件同时启动，然后可以从讲句子的持续时间中获取字幕时间。

现在，我已经编写了以下代码：

#---------------------------------------------------------
import pysrt
import re
from datetime import datetime, date, time, timedelta
#---------------------------------------------------------

def convert_subtitle_one_sentence(file_name):

    sub = pysrt.open(file_name)   

    ### ----------------------------------------------------------------------
    ### Store Each Word and the Average Time it Takes to Say it in a dictionary
    ### ----------------------------------------------------------------------

    dict_times_word_subtitle = {}
    running_variable = 0
    for i in range(len(sub)):

        subtitle_text = sub[i].text
        subtitle_duration = (datetime.combine(date.min, sub[i].duration.to_time()) - datetime.min).total_seconds()

        # Compute …

你知道有一种算法可以看出图像上有笔迹吗？我没兴趣知道字迹写的是什么，只知道有一个礼物？

我有一段有人用手写填充幻灯片的视频。我的目标是确定幻灯片中已经填充了多少手写内容。

有问题的视频可以在这里下载：http : //www.filedropper.com/00_6

对于这个特定的视频，量化幻灯片中手写的内容已经提出了一个很好的解决方案

该解决方案基于将用于手写的特定颜色的数量相加。但是，如果笔迹不是蓝色而是在非笔迹上也可以找到的任何其他颜色，则此方法将不起作用。

因此，我很想知道，是否存在更通用的解决方案来确定图像上是否存在笔迹？

到目前为止我所做的： 我正在考虑提取图像的轮廓，然后根据轮廓的弯曲程度以某种方式检测手写部分（但我不知道如何做那部分）。不过，这可能不是最好的主意，因为它并不总是正确的......

import cv2
import matplotlib.pyplot as plt



img = cv2.imread(PATH TO IMAGE)
print("img shape=", img.shape)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cv2.imshow("image", gray)
cv2.waitKey(1)
#### extract all contours
# Find Canny edges 
edged = cv2.Canny(gray, 30, 200) 
cv2.waitKey(0) 
  
# Finding Contours 
# Use a copy of the image e.g. edged.copy() 
# since findContours alters the image 
contours, hierarchy = cv2.findContours(edged,  
    cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) 
  
cv2.imshow('Canny Edges After Contouring', edged) …

目标

我想获取列表中值不为 None 的范围，例如：

test1 = [None, 0, None]
test2 = [2,1,None]
test3 = [None,None,3]
test4 = [1,0,None,0,0,None,None,1,None,0]

res1 = [[1,1]]
res2 = [[0,1]]
res3 = [[2,2]]
res4 = [[0,1],[3,4],[7,7],[9,9]]

我尝试过的

这是我超长的实现，它并不完美工作......

def get_not_None_ranges(list_):
    # Example [0, 2, None, 1, 4] -> [[0, 1], [3, 4]]
    r = []
    end_i = len(list_)-1
    if list_[0] == None:
        s = None
    else:
        s = 0
        
    for i, elem in enumerate(list_):
        if s != None:
            if elem == None and end_i != i: …

我有一个熊猫数据框：

import pandas as pd
import numpy as np

df = pd.DataFrame(columns=['Text','Selection_Values'])
df["Text"] = ["Hi", "this is", "just", "a", "single", "sentence.", "This", np.nan, "is another one.","This is", "a", "third", "sentence","."]
df["Selection_Values"] = [0,0,0,0,0,1,0,0,1,0,0,0,0,0]
print(df)

输出：

               Text  Selection_Values
0                Hi                 0
1           this is                 0
2              just                 0
3                 a                 0
4            single                 0
5         sentence.                 1
6              This                 0
7               NaN                 0
8   is another one.                 1
9           This is                 0
10                a                 0
11            third                 0
12         sentence                 0 …

我最近偶然发现了一个问题：在jupyter笔记本中对图像进行交互式标记， 这很有趣。

由于对python编程经验很少，我尝试使用jupyter笔记本从答案中运行提供的代码，但是我无法以某种方式使其工作。我相信导入图像时做错了什么。我正在尝试从位于“ PATH”中的名为“ images”的文件夹中导入所有图像。

这是完整的代码：

import cv2
import os

import ipywidgets as widgets
import functools

images_list = []

os.chdir(PATH)
# Load in the images
for filepath in os.listdir('images/'):
    images_list.append(cv2.imread('images/{0}'.format(filepath),0))


COLS = 4
ROWS = 2
IMAGES = images_list 
IMG_WIDTH = 200
IMG_HEIGHT = 200

def on_click(index):
    print('Image %d clicked' % index)


rows = []

for row in range(ROWS):
    cols = []
    for col in range(COLS):
        index = row * COLS + col
        image = widgets.Image(
            value=IMAGES[index], width=IMG_WIDTH, height=IMG_HEIGHT …

我想使用 python 从这些数据中检测峰值：

data = [1.0, 0.35671858559485703, 0.44709399319470694, 0.29438948200831194, 0.5163825635166547, 0.3036363865322419, 0.34031782308777747, 0.2869558046065574, 0.28190537831716, 0.2807516154537239, 0.34320479518313507, 0.21117275536958913, 0.30304626765388043, 0.4972542099530442, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.18200891715227194, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, …