首页 > TAG信息列表 > numpy-ndarray

python-在NumPy中跟踪多索引和修改值

我正在迭代一个2D数组,以使用索引值进行计算,然后将计算出的值分配给所述索引. 在NumPy文档中,提供了an example用于使用迭代器修改值： for x in np.nditer(a, op_flags=['readwrite']): x[...] = 2 * x 但是,当使用the following method跟踪索引时,这似乎不起作用： it = np.n

python中奇怪的“数组索引过多”错误

让我们创建一个具有10,000个条目的大型np数组“ a” import numpy as np a = np.arange(0, 10000) 让我们对具有’n’索引0-> 9、1-> 10、2-> 11等的数组进行切片. n = 32 b = list(map(lambda x:np.arange(x, x+10), np.arange(0, n))) c = a[b] 我得到的奇怪的事情是,如果n小

python – 将字典转换为Numpy数组

我正在尝试转换字典 {0: {0: 173, 1: 342, 2: 666, 3: 506, 4: 94}, 1: {0: 13, 1: 2171, 2: 1915, 3: 3075, 4: 630}, 2: {0: 0, 1: 265, 2: 5036, 3: 508, 4: 11}, 3: {0: 0, 1: 3229, 2: 2388, 3: 3649, 4: 193}, 4: {0: 3, 1: 151, 2: 591, 3: 1629, 4: 410}} numpy数组

python – numpy中结构化数组的元素明智之和

我想知道是否有可能执行两个相同形状的结构化numpy数组的元素和(或其他操作). arr1 = np.array([[1,2,3],[2,3,4]], dtype=[("x", "f8"),("y", "f8")]) arr2 = np.array([[5,4,3],[9,6,4]], dtype=[("x", "f8"),("y", "f8")

python – NumPy数组的滚动/增加维度

我目前正在尝试找到一种简单的方法来对Python中的N维数组执行以下操作.为简单起见,我们从一个大小为4的1维数组开始. X = np.array([1,2,3,4]) 我想要做的是创建一个新的数组,称之为Y,这样： Y = np.array([1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3]) 所以我要做的是创建一个数组Y