小编kin*_*hen的帖子

i=np.arange(1,4,dtype=np.int)
a=np.arange(9).reshape(3,3)

和

a
>>>array([[0, 1, 2],
          [3, 4, 5],
          [6, 7, 8]])
a[:,0:1]
>>>array([[0],
          [3],
          [6]])
a[:,0:2]
>>>array([[0, 1],
          [3, 4],
          [6, 7]])
a[:,0:3]
>>>array([[0, 1, 2],
          [3, 4, 5],
          [6, 7, 8]])

现在我想对数组进行矢量化以将它们一起打印出来.我试试

a[:,0:i]

要么

a[:,0:i[:,None]]

它给出了TypeError:只有整数标量数组可以转换为标量索引

j=np.arange(20,dtype=np.int)
site=np.ones((20,200),dtype=np.int)
sumkma=np.ones((100,20))

[sumkma[site[x],x] for x in range(20)]

这有效,但我不想使用for循环.当我尝试

sumkma[site[j],j]

我收到此错误:

IndexError:形状不匹配:索引数组不能与形状一起广播(20,200)(20,)

如何修复错误？

我什么时候应该使用@vectorize？

我试过@jit并显示下面的部分代码,

from numba import jit

@jit
def kma(g,temp): 
    k=np.exp(-(g+np.abs(g))/(2*temp))   
    return k

但我的代码没有加速算法.为什么？

我尝试将n*100*1003d矩阵对角化K，numpy.linalg.eig并获得特征值w和特征向量v。矩阵是100*100，但是我想通过广播来做，这就是n我设置的数字。矩阵不是厄米矩阵。

w,v=np.linalg.eig(K)

起初，我尝试了n=1000，我得到真正的特征向量，即xxxxxxxxxe+xx，但当我尝试n=2000的，元素w和v表演xxxxxxxxxe+xx+0.j。由于+0.j，使用时给出了复数w并v进行了进一步的计算。

1. 我以为是因为浮点数计算的算法错误，但是为什么呢？
2. numpy.linalg是否使用LAPACK？是否有可能来自LAPACK的错误？
3. 我该如何摆脱+0.j？

我想绘制一个没有科学记数法的对数刻度图。

    import matplotlib as mpl
    import matplotlib.pyplot as plt

    plt.plot(np.arange(0,10,0.1))

    plt.xscale('log')
    plt.yscale('log')
    plt.xlim(0.1,100)
    plt.ylim(1,10)

    plt.gca().xaxis.set_major_formatter(mpl.ticker.ScalarFormatter())
    plt.gca().yaxis.set_major_formatter(mpl.ticker.ScalarFormatter())
    plt.show()

问题：

1. Y轴仍然显示科学计数法的格式。如何改变呢？

2. 如何为y轴制作特定的刻度？我尝试过plt.yticks([1,10])，但没用。

3. 如何去掉x轴和y轴的刻度小数点？

   

a=np.arange(240).reshape(3,4,20)
b=np.arange(12).reshape(3,4)
c=np.zeros((3,4),dtype=int)
x=np.arange(3)
y=np.arange(4)

我想通过以下没有循环的步骤获得2d（3,4）形状数组。

for i in x:
    c[i]=a[i,y,b[i]]
c
array([[  0,  21,  42,  63],
       [ 84, 105, 126, 147],
       [168, 189, 210, 231]])

我试过了，

c=a[x,y,b]

但它显示

IndexError: shape mismatch: indexing arrays could not be broadcast together with shapes (3,) (4,) (3,4)

然后我还试图建立newaxis的[:,None]，它也不起作用。

a=np.zeros((3,3,3))
b=np.arange(3)
c=np.arange(9).reshape(3,3)

我想将数组的元素b或c沿着 3d 矩阵（张量）的对角线（或对角线上方/下方）a相对于特定轴放置。

我累了numpy.diagflat，但它只适用于二维矩阵。

例如，如何制作以下矩阵？

array([[[ 0.,  0.,  0.],
        [ 0.,  1.,  0.],
        [ 0.,  0.,  2.]],

       [[ 0.,  0.,  0.],
        [ 0.,  1.,  0.],
        [ 0.,  0.,  2.]],

       [[ 0.,  0.,  0.],
        [ 0.,  1.,  0.],
        [ 0.,  0.,  2.]]])