scipy

    0热度

    1回答

    在this question我询问社区如何计算样条基础。我的目标是通过预先计算bspline basis来计算快于splev的样条,并生成一条曲线通过做basis到control point点积。从a new scipy.interpolate.BSpline interpolator被添加到scipy。 It comes with a basis_element function,我猜可以用它来

    0热度

    1回答

    我想从数值上获得一些厄密矩阵的基态能量(参见下面代码中这个矩阵的定义)并且用矩阵参数“相位” 。 import scipy.sparse as sparse import scipy import numpy import numpy as np import math from scipy.special import binom import cmath import sympy

    2热度

    1回答

    我想估计所需的样本大小,以便使用Python计算离散数据的Chi Squared(均匀性测试)测试,并且需要提示如何执行此操作。 一般来说,我想估计两个生产过程的失败率是否显着不同(α= 5%)。 我只发现statsmodels.stats.gof.chisquare_effectsize()功能,但这似乎只适用于良好的配合测试。 有什么办法可以确定所需的样本量吗? 我很感谢每一个答案。

    1热度

    1回答

    我使用Python 2.7和我用下面的Python和Matlab功能为这个图象 在去除噪声和补洞。 1.代码以去除噪声和填充使用Python和OpenCV孔 img = cv2.imread("binar.png",0) kernel = np.ones((5,5),np.uint8) open = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

    1热度

    2回答

    鉴于一些数据x: from pandas_datareader.data import DataReader as dr x = np.squeeze(dr('DTWEXB', 'fred').dropna().values) 我想计算的另一种载体y如下: 凡阿尔法等于0.03 , 在这种情况下。 我可以用scipy.lfilter?来做到这一点。类似的问题here,但在这种情况下,结果的起

    0热度

    2回答

    从here获取灵感的种类。 我的问题 所以我有3个特点和n个观察的数据集。我也有n个回应。基本上我想看看这个模型是否合适。 从上面的问题,人们使用R^2来达到这个目的。但我不知道我明白了。 我可以只适合模型,然后计算均方误差吗? 我应该使用火车/测试拆分吗? 所有这些似乎有共同的预测,但在这里我只是想看看它是多么好,在拟合它。 举例来说,这是我的想法 import matplotlib.pyplo

    1热度

    1回答

    两个图像我有一个看起来像这样的图像: 我想要的背景为白色和所有其他的像素为黑色,这样将我的图像看起来喜欢这样的: 假设原始图像是img和上面的结果是mask。当我尝试从原始图像中获取mask时,事情并不按预期工作。我这样做: mask = np.ones_like(img)*255 mask[img > 0] = 0 理想情况下,我应该得到预期的结果,但这是我所得到的。 另外,我还有一个图像

    0热度

    1回答

    我通过OpenMDAO使用SLSQP来解决优化问题。优化工作充分;在结束SLSQP输出写着: Optimization terminated successfully. (Exit mode 0) Current function value: [-0.07475851] Iterations: 44 Function evaluations: 87

    1热度

    1回答

    我在工作站1上为Jupyter笔记本(numpy,scipy,matplotlib等)设置了一个工作设置。我去建立第二个工作站(在windows 10上的bash shell ): 从www.python.org安装Python 3.4.4,windows 64位。 升级PIP:$蟒蛇-m PIP安装--upgrade点子,现在它(V 9.0.1) 安装numpy的PIP与 与PIP 安装SciP

    0热度

    1回答

    我有两个np.ndarray S,data与形状(8000, 500)和sample与形状(1, 500)。 我试图实现的是在data到sample之间的每一行之间测量各种类型的指标。 当使用from sklearn.metrics.pairwise.cosine_distances我能够利用numpy的广播中执行以下行 x = cosine_distances(data, sample) 但