腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
2
回答
将输入字符串转换为
numpy
切片
、
我
将
numpy
切片
作为
输入,希望知道
numpy
将其转换为什么。例如,如果用户输入字符串是user_input = '[1:10, 2:20:2]',并且
我
有
一个
数组
arr,那么
我
可以
使用
eval('arr' + user_input)从
数组
中获得结果
切片
。但我要找的是更接近于slice(1,10,1), slice(2,20
浏览 1
提问于2018-01-29
得票数 1
2
回答
我
可以
使用
一个
数组
作为
索引
对
一个
numpy
数组
进行
切片
吗
?
、
、
、
、
我
有两个
numpy
数组
: a = np.array([[1, 2, 3], [7, 8, 9]]) [4, 0, 6],当我尝试这样做时: a[:, b:] = 0
我</em
浏览 21
提问于2021-01-29
得票数 3
回答已采纳
1
回答
对
numpy
数组
的最后两列
进行
切片
、
、
如何
对
numpy
数组
的最后两列
进行
切片
?例如:A = np.array([[1, 2, 3], [4, 5, 6]])和我想要获取B
作为
A的最后两列,A是[[2, 3], [5, 6]]
我
知道
我
可以
从
数组
的开头
对
它
进行
索引
,比如B = A[但我正在寻找一种通用的形式来
切片
A,在
我
的例子中,当A的列数发生变化时,从末尾开始<em
浏览 12
提问于2019-11-17
得票数 1
回答已采纳
1
回答
有没有一种方法
可以
使用
operator.itemgetter和片表示法?
、
、
我
在python列表lst中有一堆
numpy
数组
。例如,
我
可以
对这些
数组
中的
一个
进行
切片
,通过
使用
[:, 1]
对
其
进行
索引
来获得特定的视图。(my_arra
浏览 2
提问于2020-05-12
得票数 1
回答已采纳
1
回答
使用
Pandas来表示2D数据序列--
使用
什么结构?
、
、
、
我
正在分析足底压力,每个读数是
一个
52x44矩阵,完全捕获是这些二维读数的时间序列。
我
对
探索Pandas的功能很感兴趣,但是
我
想知道什么是合适的列名和结构。对于
Nump
浏览 1
提问于2016-11-02
得票数 0
回答已采纳
2
回答
numpy
ndarray
索引
-从元组检索
索引
、
、
我
以前也问过类似的问题,但我仍不完全确定
numpy
是如何组织其指数的。imFrag.append(Padded[:100, :100, :100) 将
数组
分割成
我
试图获得每个
切片
的原始
索引</
浏览 2
提问于2016-05-06
得票数 2
回答已采纳
2
回答
对
数组
子集
使用
numpy
'where‘
、
、
我
使用
python 2.7.13,
我
对
使用
numpy
的
数组
切片
时所看到的行为感到困惑。import
numpy
as npprint aprint a[1:] > 3
我
期望看到最后的输出2,3,4,5,6,7,8,也就是
切片
中找到的
数
浏览 2
提问于2017-08-16
得票数 0
回答已采纳
1
回答
Numpy
和如何将2d
数组
的元素相加?
、
、
假设
我
有
一个
numpy
2D
数组
:array([[-0.00880717, 0.02522217, -0.01014062],现在,
使用
数组
切片
,
我
可以
从
索引
1的列开始,快速获取所有行中的所有项,并将它们加起来:0.086416
浏览 5
提问于2021-05-01
得票数 0
回答已采纳
3
回答
numpy
采取不能
使用
片
索引
、
、
、
根据的
numpy
文档,它与“花哨”
索引
(
使用
数组
索引
数组
)相同。但是,如果您需要沿给定轴的元素,则
可以
更容易地
使用
。然而,与“花哨”或常规的
numpy
索引
不同,
使用
切片
作为
索引
似乎不受支持: In [320]: A[..., 1:4np.take(A, slic
浏览 1
提问于2015-02-23
得票数 2
回答已采纳
1
回答
Scikit-Learn GroupShuffleSplit未按指定的组
进行
分组
、
、
、
、
我
正在尝试拆分8年来每天一次获取的农场数据的时间序列。
我
希望拆分数据,以便每个训练和测试集都包含来自不同农场的样本,并且训练和测试集之间不会有农场重叠。
我
已经在数据帧中创建了
一个
列,其中包含惟一的FarmID,指示样本来自哪个场。为了拆分数据集,下面是
我
使用
的代码: def group_split(df, test_size=.80, seed=seed):sklearn的GroupShuffleSplit
浏览 18
提问于2019-10-21
得票数 1
3
回答
如何防止向空
NumPy
视图意外分配
、
、
、
考虑下面的Python +
NumPy
代码,这些代码执行时没有错误:如果开始和停止超出了限制,那么
使用
超出
数组
限制的片会截断该片,甚至返回
一个
空视图。分配给这样
一个
切片
只会删除输入。 在
我
的用例中,
索引
是以一种非平凡的方式计算的,并用于操作
数组
的选定部分。以上行为意味着,如果
索引
计算错误,
我
可能会悄悄地跳过部分操作。因此
浏览 5
提问于2021-09-03
得票数 3
回答已采纳
2
回答
在
numpy
中,有什么更好的方法
可以
用参数的方式分割
numpy
数组
吗
?
、
我
希望在函数中以参数的方式
对
numpy
数组
进行
切片
操作,这样
我
就
可以
得到计算所需的
数组
元素。
我
知道如何按
索引
滑动
数组
,但我更感兴趣的是以参数方式对
数组
元素
进行
切片
,因此不需要指示
索引
。在
我
的例子中,
我
有系数
数组
c和幂
数组
p,还有参数num_
浏览 10
提问于2020-08-16
得票数 2
回答已采纳
3
回答
h5py:
切片
数组
数据集的正确方法
、
、
我
有点困惑:import h5py>>> file = h5py.File("test.hdf5",'w') #,.value不会严重影响性能,但是第
一个</em
浏览 4
提问于2014-02-13
得票数 18
回答已采纳
2
回答
哪个
numpy
索引
是复制的,哪个是视图?
、
、
问题问:基本
切片
它只
使用
,并且只返回视图。
我<
浏览 1
提问于2020-12-23
得票数 0
回答已采纳
2
回答
Python语法:
数组
索引
作为
用逗号分隔的两个
数组
意味着什么?
、
我
不认为
数组
是Python中的
索引
。例如,
我
在
Numpy
中有
一个
2d
数组
A [4,5,6] [10,11,12]] A[1,3,0,1]是什么意思?
浏览 3
提问于2017-11-06
得票数 0
回答已采纳
1
回答
为什么cv2.矩形有时返回np.ndarray,而有时返回cv2.UMat
、
、
、
我
目前正致力于可视化一些图像,并发现了opencv的cv2.矩形的怪异行为: import c
浏览 0
提问于2019-08-21
得票数 16
2
回答
NumPy
中的Concaten化视图
、
、
、
、
通过
切片
/
索引
对
数组
进行
索引
会创建
一个
轻量级的视图(不复制数据),并允许分配给原始
数组
的元素。也就是说。这样,
我
将获得连接视图的所有
索引
,并
可以
使用
这些
索引
创建
一个
组合视图。但这不是
我
想要的。
我
希望
NumPy
保留
切片
表示的概念,因为所有的
切片
都可能很长,并且将这些<
浏览 5
提问于2020-09-29
得票数 3
回答已采纳
2
回答
索引
/
切片
numpy
数组
的混乱
、
在对
numpy
数组
进行
切分时,
我
要做
一个
澄清。如果
我
执行5::-1,则得到
数组
( 0.、0.、0.、0.、0.、0.、0.、0.、0.、0.、0.、0.),但是为什么当我执行5:-1:-1时,
我
得到了以下
数组
([]
浏览 0
提问于2015-05-04
得票数 2
回答已采纳
1
回答
在
numpy
数组
中
使用
索引
和求和的内存
我
使用
列表理解来
索引
一个
numpy
数组
,并
对
这些值求和: df[col]=np.array([A_
numpy
_array[b].sum() for b in B_
numpy
_array])
我
的A_
numpy
_array是
使用
B_
numpy
_array的元素b
进行
索引
的(它有800-900万个元素)。这部分代码是这个过程需要一段
浏览 13
提问于2021-09-23
得票数 1
1
回答
Numpy
数组
索引
中元组的部分解包
、
为了解决
一个
只可能逐个元素的问题,
我
需要将
NumPy
的元组
索引
和
一个
显式
切片
结合起来。( (n,) + shape )x[:, *i]导致SyntaxError,x[:, i]被解释为
numpy
.array([ x
浏览 2
提问于2015-03-12
得票数 4
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
收藏 Numpy详细教程
Pandas:Series和DataFrame数据选择方法
机器学习之计算工具库(一)
NumPy入门(一)
Pandas常用的两种数据类型之“Series”
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券