matrix

0热度

1回答

事先道歉，Python不是我的强项。与矩阵的实际特征值（如Python计算）相对应的特征向量看起来不是特征向量，而由Wolfram Alpha计算的特征向量似乎可行。（我的同事证实，同一病理执行R中的计算时，虽然我没有成绩单似乎是这样。）代码片段： >>> import numpy as np >>> in_matrix = np.array([[0.904, 0.012, 0.427],

0热度

2回答

R-获取documenttermmatrix中每个文档的标记计数

我想这样做的原因是我可以将绝对频率转换为相对频率。对于每个文档都很容易获得令牌计数，但我不确定如何获取每个文档的总令牌计数并同时使用它，因此我可以同时对每个文档执行/总令牌计数，有没有什么方法可以绑定rowsums，然后使用计算中的列，如果这是正确的方法来做到这一点？感谢

-2热度

1回答

向下移动矩阵的元素java

我想给出一个矩阵，任何数字，如果它发现零，降低那些非空的元素。例如，对于矩阵 1 2 3 4 5 6 7 8 0 0 0 12 0 14 0 0 0 18 19 0 0 22 23 24 25 输出将是 0 0 0 0 0 0 2 3 4 0 0 7 8 14 0 1 12 18 19 5 6 22 23 24 25 剩余上面的零，移动元件向下顺序。我有这样的代码： pu

2热度

1回答

如何在Python中使用列表理解与矩阵？

我如何使用列表理解来编写以下内容？ def mv(A,X,n): Y = [0]*n for i in range(n): for j in range(n): Y[i] += A[i][j] * X[j] return Y 我相信A是一个矩阵，X是一个向量。这是我到目前为止已经试过，但它不输出同样的事情： def mv2(A,X,n):

0热度

1回答

创建从2D numpy的阵列的COO矩阵

我有一个2D numpy的阵列，其看起来像这样， [[3, 4, 5, 6], [4, 5, 6, 7], [9, 10, 3, 5]] 我使用以下代码转换成COO矩阵这样的： # Flatten 2D array data = np.asarray(twod_array).flatten() row = np.arange(0, len(data)) col = np.arange(0

6热度

1回答

将列表中的所有矩阵转换为R中的data.frames

我在R中输出lme函数。 library(nlme) fm2 <- lme(distance ~ age + Sex, data = Orthodont, random = ~ 1) str(fm2) 正如所看到的，输出（fm2）的一些元件是矩阵例如fm2$varFix 我正在寻找一个函数来接受一个对象并将所有的子矩阵转换为data.frames。

-1热度

1回答

如何根据熊猫数据框中的多列获取百分比数？

我在数据框中有20列。我列出其中4这里作为例子： is_guarantee：0或1 hotel_star：0，1，2，3，4，5 ORDER_STATUS：40，60，80 旅程（标签）： 0，1，2 is_guarantee hotel_star order_status journey 0 0 5 60 0 1 1 5 60 0 2 1 5

1热度

1回答

矩阵= Matrix.rowwise（）反向（）本征横行反转的矩阵再次分配给变量使得每一行对称

简单的问题，但不能图为什么：输入 Eigen::MatrixXd Ha(2, 3); Ha << 1, 2, 3, 4, 5, 6; std::cout << "Ha: " << std::endl << Ha << std::endl; Ha.rowwise().reverse(); std::cout << "Ha: " << std::endl << Ha.rowwise().r

0热度

3回答

保留第一行作为参考的Dataframe中的计算

我的第一行是添加下列行的参考值（对于N列）。数据 A B C D 3 5 1 2 1 4 5 3 2 2 2 4 3 1 3 1 4 3 1 2 计算如下： 3，是被添加的参考值，它是3应被添加到1，2，3和4中，类似地5是参考值 - 被加到4,2,1,3，然后1被参考值加到5,2,3,1等等直到n列。 1 + 3 4 + 5 5 + 1 3 + 2 2 + 3 2 + 5 2

1热度

1回答

矩阵包中的提取速度与常规矩阵类相比非常缓慢

这是一个使用Matrix package与常规类比较大型矩阵（稀疏和密集）的行提取的示例。对于稠密矩阵速度为基类matrix快几乎395倍： library(Matrix) library(microbenchmark) ## row extraction in dense matrices D1<-matrix(rnorm(2000^2), 2000, 2000) D2<-Matri