腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
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
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
(1993)
视频
沙龙
1
回答
python3
numpy
ndarray
没有
一致
的
维度
。
遇到
具有
形状
属性
的
奇怪
行为
、
、
、
我正在使用
python3
中
的
numpy
包。首先,下面是一些代码,它们显示了我在使用
ndarray
形状
属性
时
遇到
的
奇怪
行为
。threeDndarray = np.
ndarray
(shape=(2,5,2)) #3d
ndarray
to showcase behavor print(threeDndarray.shape).shape
行为
与我
的
问
浏览 9
提问于2018-08-06
得票数 0
回答已采纳
2
回答
创建
没有
固定二维
的
三维
numpy
.
ndarray
、
有时,诸如语音数据等数据
具有
已知数量
的
观察(n)、未知持续时间和已知数量
的
测量(k)。在
NumPy
中
的
2D情况中,很明显,
具有
已知数目的观测(n)和未知持续时间
的
数据是如何用
形状
为(n, )
的
ndarray
表示
的
。) ### Returns: (2, ) 对于
NumPy
中
的
3D案例,我们可以有一个
形状
为(n, , k)
的
浏览 0
提问于2019-04-07
得票数 0
回答已采纳
1
回答
NumPy
使用
形状
不同但前导维数相同
的
数组保存对象
、
我体验到了np.save()
的
一些意外
行为
。假设您想要将两个
numpy
数组保存到一个.npy文件中(作为一个对象)。只要两个数组
具有
相同
的
形状
,这就
没有
任何问题,但是当前导
维度
相同时,就会发生错误。很明显,可以通过保存到不同
的
文件来解决这个问题,但我不是在寻找另一种解决方案,我想了解np.save()
的
这种
行为
。/
numpy
/lib/npyio.py&
浏览 3
提问于2018-06-26
得票数 2
1
回答
防止添加不同
形状
的
数组
、
、
最近,我意识到python可以自动添加2个数组,即使它们有不同
的
维度
,只要其中一个数组包含另一个数组
的
维度
。例如:a=np.array([[1,2],[3,4]])print a.shapeprint b.shapeprint b 这种
行为
可能会给我带来一些问题,就像预期python在
形状
不完全相同
的
情况下返回错误
浏览 7
提问于2017-07-12
得票数 1
回答已采纳
4
回答
如何检查
numpy
数组是否为空?
、
如何检查
numpy
数组是否为空?if not self.Definition.all(): 这是解决方案吗?
浏览 0
提问于2012-07-02
得票数 222
回答已采纳
1
回答
是否将
ndarray
的
数据类型从object更改为float?
、
、
、
、
我发现一个
奇怪
的
3Dndarray(见附件),它
没有
显示最后一个
维度
的
形状
,并且数据类型更改(从'object‘到np.float
的
数组也不是)不起作用。它是每个
维度
的
('object','object',‘float64’)数据类型
的
ndarray
,实际
形状
是(2,3, 24 ),但
形状
显示为(2,3),这意味着
浏览 7
提问于2017-06-20
得票数 0
回答已采纳
2
回答
np.array[:,0]和np.array[:,[0]]之间有什么区别?
、
、
、
、
我有一个
numpy
数组cols2:print(cols2.shape)(97, 2)print(c
浏览 0
提问于2018-02-19
得票数 1
回答已采纳
1
回答
TensorFlow2.0中
的
x.shape和tf.shape()有什么不同?
、
、
我目前使用
的
是TensorFlow2.0 rc0#!/usr/bin/
python3
print (tf.shape(a).
numpy
())上述代码
的
结果如下:(4, 3, 1) tf.shape(a).
numpy
()返回
numpy
数组,而a.shape返回一个元组,但我很难找到哪个更好,
浏览 0
提问于2019-09-28
得票数 2
4
回答
矮胖
的
龙形是做什么
的
?
、
、
、
、
关于.shape函数,我有一个简单
的
问题,这让我很困惑。a = np.array([1, 2, 3]) # Create a rank 1 array print(type(a)) # Prints "<class '
numpy
.
ndarray
浏览 9
提问于2017-11-30
得票数 59
回答已采纳
1
回答
数组(10,1)数组(10,)之间
的
python差异
、
当我使用(X_train,y_train),(X_test,y_test)= mnist.load_data()时,我得到一个数组y_test(10000,),但我希望它
的
形状
为(10000,1)。数组(10000,1 )和数组(10000,1)
的
区别是什么?如何将第一个数组转换为第二个数组?
浏览 2
提问于2018-11-07
得票数 1
2
回答
NumPy
数组在赋值/复制时丢失
维度
,为什么?
、
、
、
a1 #.reshape(-1,1,2) this solves my problem产出如下:<class '
numpy
.
ndarray
'> (8, 2) 我知道(注释掉
的
)整形解决了我
的
问题,但是,我想了解为什么一个简单
的
赋值会导致数组
的<
浏览 4
提问于2019-11-30
得票数 4
回答已采纳
2
回答
将大小数组(n,n,m)转换为(None,n,n,m)
、
、
、
、
我已经看到,卷积神经网络中各层
的
输出在格式(None,n,n,m)上是
形状
的
。我尝试了arr[None,:,:],但它将其转换为(1,14,14,3)维。
浏览 0
提问于2019-04-01
得票数 0
5
回答
numpy
.shape给出不
一致
的
响应-为什么?
、
为什么这个程序print(c.shape)print(d.shape)(2,)作为它
的
输出?
浏览 2
提问于2012-10-01
得票数 18
3
回答
numpy
数组
的
大小混乱
、
、
、
、
Python
numpy
数组'size‘让我很困惑a.size = (3, )b = np.array([2,2,5,1],b.size = (3,4) 'b‘很有意义,因为它有3行和4列,但是'a’size = (3,)是怎样
的
呢
浏览 0
提问于2018-02-11
得票数 2
1
回答
Gensim word2vec模型输出1000维
的
ndarray
,但是
ndarray
的
最大维数是32 -如何?
、
、
通过内省,我发现一个单词
的
向量表示是一个1000维
的
numpy
.
ndarray
,但是每当我试图创建一个
ndarray
来查找最近
的
单词时,我就会得到一个值错误:从我
的
在线观察可以看出,32确实是
ndarray
所支持
的
最大维数--那么是什么呢?如何才能输出1000维
的<
浏览 4
提问于2019-10-06
得票数 1
回答已采纳
3
回答
NumPy
--这能被矢量化吗?
、
正在编写一个新脚本,这是我第一次深入
NumPy
。内存
的
优势是显而易见
的
,但是矢量化是一个麻烦
的
概念。def intersect(p: np.
ndarray
, b: np.<em
浏览 7
提问于2020-01-29
得票数 1
回答已采纳
1
回答
在数组1(多列)中查找比Array2 (单列)沿列
的
值大
的
值
假设我有一条
形状
为(2,4)
的
矮胖
ndarray
,如下所示>>> array2 =
numpy
.random.rand(2) 我希望比较列
维度
上
的
这两个数组,以找到array1中大于如果两者都有相同
的</e
浏览 0
提问于2018-04-03
得票数 0
回答已采纳
2
回答
np.transpose不返回矩阵
的
转置
、
当我以下列方式编写代码时:H = array([1,1])Htfrom
numpy
import *Ht = transpose(H)我得到了H
的
转位。它是使用转置函数
的
方式,还是定义矩阵
的
方式?
浏览 0
提问于2018-08-26
得票数 0
回答已采纳
3
回答
ValueError:至少需要一个数组来连接
、
np.concatenate(feats_sc, axis=1).transpose()下面是问题
的
领域_save_kmeans(self.kmeans)下面是完整
的
课程def __init__(self): return self.kmeans 我已经阅读了ValueError上已经描述
浏览 5
提问于2019-03-03
得票数 7
2
回答
将数组行串联成一维数组
的
有效算法方法
、
、
、
我正在使用
Numpy
来处理一些非常
奇怪
的
表格数据。数据条目总是以列
的
形式出现,每个列有1200个条目。列数
一致
为1200,但行数总是不同
的
。我以前不知道有多少行,所以我不能写出某种数学公式。 我想要使用
n
浏览 5
提问于2015-05-03
得票数 1
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
python数值计算扩展——NumPy
揭秘Numpy“高效使用哲学”,数值计算再提速10倍!
NumPy数组详解 玩转NumPy(1)
收藏 Numpy详细教程
机器学习之计算工具库(一)
热门
标签
更多标签
云服务器
ICP备案
对象存储
腾讯会议
云直播
活动推荐
运营活动
广告
关闭
领券