我正在按行计算数组的平均值,而数组可以有一个或多个行。有些值可以是NaN,在数组中,或者整个行是NaN,也可以不是。
当我的数组看起来像
[[ 3. nan nan nan nan nan nan]
[ 1. nan nan nan nan nan nan]]
numpy.mean(.., axis=0)的结果是[ 2. nan nan nan nan nan nan]。
但是,当我只有一个列数组时,如
[ 5. nan nan nan nan nan nan]
那么numpy.mean(.., axis=0)的结果就是nan。
但我想
我目前有一个numpy多维数组(类型为float)和一个numpy列数组(类型为int)。我想把它们组合成一个多维的numpy数组。
import numpy
>> dates.shape
(1251,)
>> data.shape
(1251,10)
>> test = numpy.hstack((dates, data))
ValueError: all the input arrays must have same number of dimensions
要显示数组类型不同,请执行以下操作:
>> type(dates[0])
<
对于numpy数组,我发现
x = numpy.array([]).reshape(0,4)
很好,并且允许我将(0,4)数组追加到x,而不会丢失数组的结构(例如,它不仅仅是一个数字列表)。然而,当我尝试
x = numpy.array([]).reshape(2,3)
它会抛出一个错误。为什么会这样呢?
我在NumPy中有一个一维数组,它以行的主要顺序隐式地表示一些2D数据。下面是一个简单的例子:
import numpy as np
# My data looks like [[1,2,3,4], [5,6,7,8]]
a = np.array([1,2,3,4,5,6,7,8])
我想得到一个一维数组按列-主要顺序(即。(以上示例中的b = [1,5,2,6,3,7,4,8] )。一般情况下,我只做以下几件事:
mat = np.reshape(a, (-1,4))
b = mat.flatten('F')
不幸的是,输入数组的长度不是我想要的行长的确切倍数(即。a = [
我有一个4D numpy array,其中每列表示1个量,行是这些量的统计导数,例如。 [mean mean mean
std std std
med med med] 假设第1列表示speed,第2列,acceleration等。我想将数组中所有可用数量的每一列展平为一行特征,形成: mean std med mean std med mean std med ... 为了澄清我的担忧,我给出了以下MWE input_shape = (1,3,4)
n_sample =20
X = np.random.randint(1, 10, size=(n_sample, )+ inp
我有一个熊猫数据框,形状为1725行×4列。
date size state type
408 1 32000 Virginia EDU
...
我需要将state列替换为以下形状为(1725,52)的numpy数组。
[[0. 1. 0. ... 0. 0. 0.]
...
[0. 0. 1. ... 0. 0. 0.]]
最终结果应该是这样的:
date size state type
408 1 32000 [0. 1. 0. ..
这是我的代码,但当我运行它时,我没有得到正确的形状。我需要它返回形状(4,100)的numpy数组。
为了了解我正在做什么,我正在对特定程度的训练数据拟合一个多项式LinearRegression模型,然后通过将100行单列输出转换为一个单行100列数组来生成对该多项式值的预测。
np.random.seed(0)
C = 15
n = 60
x = np.linspace(0, 20, n) # x is drawn from a fixed range
y = x ** 3 / 20 - x ** 2 - x + C * np.random.randn(n)
x = x.reshape
是否有一个numpy函数来确保一维或二维数组成为列或行向量?
例如,我有以下任何一个向量/列表。将任何输入转换为列向量的最简单方法是什么?
x1 = np.array(range(5))
x2 = x1[np.newaxis, :]
x3 = x1[:, np.newaxis]
def ensureCol1D(x):
# The input is either a 0D list or 1D.
assert(len(x.shape)==1 or (len(x.shape)==2 and 1 in x.shape))
x = np.atleast_2d(x)
n
这里的样本数据
我的数据有1024x1776列。这是我的密码
# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
dataset = pd.read_csv('14ns.csv')
X = np.array(dataset).ravel()
y = np.array(dataset).ravel()
我是蟒蛇的新手。
我有一个h2o框架表,其中包含1000行和25列,我希望将该表转换为numpy数组,并将其重塑为(5,5)
我使用了这个代码:
mynarray=np.array([np.array(nrows).astype(np.float32).reshape(5,5) for nrows in myh2oframe])
我收到的错误是不能将大小为1604的序列复制到尺寸为1的数组轴上。
Python初学者的问题:我有一个X,x,Y形状的数据。我想把它转换成一个1x (X*Y)头文件。例如,下面是一只4x4熊猫df:
a e i m
b f j n
c g k o
d h l p
我希望输出为1x16 (a,b,c,d,e,f.o,p)。这必须是列而不是行项。数据处理是最好的方式,还是应该使用numpy?我从x的xls文件开始。
我的代码:
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
imp