numexpr

0热度

1回答

我刚刚创建并填充了我的第一个PyTables文件。试图查询数据，我遇到了一个问题。有一列ic_name，其类型为StringCol(500)，我已为此列创建索引。下面的代码工作正常： count = 0 for x in f.root.raw.projects: if x['ic_name']=="XXX": count += 1 的count值是有点超过200.000

1热度

1回答

欧几里得范数使用numexpr

我需要使用numexpr重写此代码，它计算矩阵数据[行x列]和向量[1 x列]的欧几里得范数矩阵。 d = ((data-vec)**2).sum(axis=1) 该怎么办？也许还有另一种更快的方法？我使用hdf5和数据矩阵来源于它的问题。例如，此代码给出错误：对象未对齐。 #naive numpy solution, can be parallel? def test_brutefor

1热度

1回答

Numexpr无法识别float类型（稀疏矩阵）

我想评估python（2.7）中numexpr模块的性能。为此，我创建了一个大小为（10^5,10^5）的随机稀疏矩阵。但是，下面的脚本已经在表达式求值步骤中引发了错误，表示它不能识别对象类型。我在做什么错？代码： import timeit import scipy.sparse as sps import numpy as np import numexpr as ne test

0热度

2回答

PyTables：从表中选择行并应用Numexpr

是否可以从PyTable中的表中选择行并将类Numexpr表达式应用于输出？例如，如果我有表 import tables as tb class Event(tb.IsDescription): x = tb.Float32Col() y = tb.Float32Col() z = tb.Float32Col() 我想的"x+y"其中"z > 10.0"阵列。

0热度

1回答

numexpr：临时变量或重复的子表达式？

如果相同的子表达式出现在一个表达式中的多个地方，它是否会重新计算多次（或者是否足够聪明以检测这个并重新使用结果）？有什么办法可以在一个numexpr表达式中声明临时变量吗？这将有两个目的：鼓励numexpr考虑高速缓存和重新使用，而不是重新计算结果; 简化表达式（使源代码更易于阅读和维护）。我试图计算F（G（X））其中˚F和克本身既复杂的表达式（例如，用于基于像素的主题分类，˚F是嵌套决策树

2热度

2回答

无法减去datetime64使用DataFrame.eval（）

给定一个数据帧与一对夫妇时间戳： In [88]: df.dtypes Out[88]: Time datetime64[ns] uniqstime datetime64[ns] dtype: object 如果我打电话eval()，我得到一个错误类型： In [91]: df.eval('since = Time - uniqstime') ... ValueError

0热度

1回答

import xlwings，来自numexpr包的丢失文件

我想要开始使用xlwings，但是当我导入它时收到一些错误。我拉起我的OSX终端，跑 PIP安装xlwings 没有问题存在。发射了蟒蛇 $蟒蛇然后跑进口xlwings为XW 它给了我这样的： /用户/约书亚/蟒蛇/ lib/python3.5/site-packages/numexpr/cpuinfo.py：53：UserWarning：[Errno 2]没有这样的文件或目录：'arch'

1热度

1回答

如何在sympy中优化hessian的评估？

我正在使用statsmodels库进行通用似然模型。由于我有一个相当复杂的似然函数，我用sympy来为我计算梯度和粗麻布。这工作正常，但对我的需求来说太慢了，因为似然函数包含术语b0*x0 + b1*x1 + ... + bn*xn。这样，粗麻布尺寸增加了N^2，复杂性也增加了。黑森州的元素往往相当类似像expensive_operation * x0和expensive_operation *

0热度

1回答

Numexpr检测的线程数量少于核心数量

我正在使用numexpr在远程集群上添加简单的阵列。我的电脑有8个内核，远程集群有28个内核。 Numexpr文档说：“在初始化期间，Numexpr将此数字设置为系统中检测到的内核数量”但群集提供此输出。 detect_number_of_cores（）= 28个 detect_number_of_threads（）= 8 虽然当我尝试手动设置的线程数为其他内容（set_num_threads =

3热度

1回答

numba guvectorize target ='parallel'slow than target ='cpu'

我一直在试图优化一段涉及大型多维数组计算的python代码。我得到了与伦巴相违背的结果。我在MBP上运行，2015年年中，2.5 GHz i7 quadcore，OS 10.10.5，python 2.7.11。考虑以下几点： import numpy as np from numba import jit, vectorize, guvectorize import numexpr as n