numpy-broadcasting

-1热度

1回答

检索垒球的筛选数据我用垒球在我的项目&想改变它的对groupIndex而它与某种类型的障碍物相撞....对我有下面的代码使用 void HelloWorld::collide() { for (int i=0; i<13; i++) { b2Body *body=(b2Body *)node->bodies->objectAtIndex(i); b2Fixt

0热度

2回答

numpy：横向广播一个向量

我有一个一维数组numpy v。我想将它复制成矩阵，每行都是v的副本。这很简单：np.broadcast_to(v, desired_shape)。但是，如果我想对待v为列载体，并将其复制到做一个矩阵，每个列是的v副本，我无法找到一个简单的方法来做到这一点。经过反复试验，我能够做到这一点： np.broadcast_to(v.reshape(v.shape[0], 1), desired_sha

1热度

2回答

ogrid的dtype是否为numpy，可指定？

在python的numpy中，为什么ogrid总是产生int64的结果？对于我的应用程序，我不想使用int64，因为内存限制（稍后将输出组件一起播放时会起作用）。有什么比重铸，事后更好的选择： y, x = np.ogrid[:9000,:9000] y = y.astype(np.int16) x = x.astype(np.int16) 对于大多数其他numpy的调用一个清洁的解决方

0热度

1回答

向SciPy稀疏csr_matrix有效应用阈值函数

我有一列x行的SciPy csr_matrix（在这种情况下是一个向量）。它是浮点值，我需要将其转换为离散类标签-1,0和1.这应该使用阈值函数将浮点值映射到这三个类标签之一。除了迭代Iterating through a scipy.sparse vector (or matrix)中描述的元素之外，没有办法吗？我很想拥有一些优雅的方式来以某种方式映射（thresholdfunc（））所有元素

0热度

1回答

具有邻接矩阵的乘法和点乘积（numpy）

当我发现以下奇怪现象时，我在networkx中使用以下代码块。在第一种情况下，我在稀疏矩阵上使用了ufunc multiply（*），这意外地正确地给了我一个度数序列。然而，当使用普通矩阵完成同样的操作时，它会给我一个10 x 10的矩阵，并且正如预期的那样np.dot（...）给了我正确的结果。 import numpy as np import networks as nx ba = n

3热度

1回答

如何将一个向量与一个矩阵元素明确地在numpy中相乘？

我有一个多维数组的形状是（32,3,5,5）和形状为（32，）的数组。我怎么能乘以（我，3,5,5）与（i，）每个我使用numpy以外的for循环？

1热度

1回答

Rails - 使用HTTParty遍历一个json哈希和数组

所以我有下面的业务发生，这工作...但即使作为一个新手，我认为它看起来很可怕。的结构是： “每个产品都有艺术家的数组只返回产品用正确的艺术家。” def fetch_products(artist) result = get("/#{@id}/products.js", :headers => {'Accept' => 'application/json'}) product

0热度

1回答

如何切片由numpy.void数字组成的numpy.ndarray？

所以这里的交易：我有变量x这是一个numpy.ndarray。这个结构的大小是1000.如果我做x[0]，那么我得到一个numpy.void,4个数字。如果我做x[1]，然后我得到另一个numpy.void，也是4号等我只是想做的事：我想切片这种数据结构，让我提取numpy的矩阵，大小1000x3的。我该怎么做？由于

0热度

1回答

添加维度广播吗？

鉴于 a = tf.constant([[1, 2, 3], [10, 20, 30], [100, 200, 300], [1000, 2000, 3000]]) 以下全部是等价的 b = tf.constant([100000, 200000, 300000]) print((a+b).eval()) bb = tf.constant([[100000, 200000, 300000

1热度

1回答

从多维数组中提取特征索引

我有一个数组表示三维空间中云水浓度的值。在云水浓度高于某个阈值的地方，我说我有云（见下面的横截面）。大部分区域都是干燥的，但是大部分区域都有层积云，基地位于400米左右。我想要做的就是提取（X，Y，Z）坐标云底和云顶的。然后，我想在代表风速垂直分量的不同三维阵列上使用这些坐标，以获得云底的上升气流。我现在正在做的工作，但速度很慢。我觉得必须有一种方法来利用NumPy来加速它。这就是我现在做：