如何应用Numpy向量化而不是apply函数
NumPy是Python中一个重要的科学计算库，它提供了高性能的多维数组对象以及对这些数组进行快速操作的工具。通过向量化操作，可以避免使用循环来遍历数组元素，从而提高计算效率。
在应用Numpy向量化时，可以使用NumPy中的通用函数（ufuncs）来对数组进行逐元素操作。这些函数可以直接对整个数组或数组的特定轴进行操作，而无需使用循环。常用的NumPy ufuncs有：
- np.add()：对两个数组中的对应元素进行加法操作。
- np.subtract()：对两个数组中的对应元素进行减法操作。
- np.multiply()：对两个数组中的对应元素进行乘法操作。
- np.divide()：对两个数组中的对应元素进行除法操作。
- np.exp()：计算数组中每个元素的指数。
- np.sqrt()：计算数组中每个元素的平方根。
- np.sin()、np.cos()、np.tan()：计算数组中每个元素的正弦、余弦、正切值等等。
使用向量化操作可以简化代码并提高运行效率。相比于使用apply函数，向量化操作通常更加高效，因为它利用了NumPy底层的C语言实现，并且能够自动进行并行计算。
以下是一个简单的示例，展示了如何使用NumPy向量化进行加法操作：
import numpy as np
# 定义两个数组
a = np.array([1, 2, 3, 4, 5])
b = np.array([6, 7, 8, 9, 10])
# 使用向量化操作进行加法
c = a + b
print(c)输出结果为：
[ 7 9 11 13 15]在实际应用中，NumPy向量化可以广泛应用于科学计算、数据分析、机器学习等领域。例如，在处理大规模数据集时，使用向量化操作可以极大地提高计算速度。此外，向量化操作还可以简化代码，使其更易读、维护和调试。
腾讯云也提供了一系列与科学计算和数据分析相关的产品和服务，例如：
- Tencent Hub：一个面向开发者的模型仓库，提供了丰富的深度学习模型，可以在数据处理和机器学习任务中使用。
- Tencent DLA：一个基于大规模数据集的分布式机器学习算法库，用于高效处理和分析数据。
- Tencent COS：腾讯云对象存储服务，可用于存储和管理大规模的数据集。
以上仅为示例，腾讯云还提供了更多与科学计算和数据分析相关的产品和服务，可以根据具体需求选择合适的产品。
总结：向量化操作是利用NumPy提供的通用函数对数组进行逐元素操作的一种高效方法。通过向量化操作，可以简化代码并提高计算效率。腾讯云提供了与科学计算和数据分析相关的产品和服务，可以根据具体需求选择合适的产品。
相关·内容
给定以下数值矩阵：
import numpy as np
mymatrix = np.matrix('-1 0 1; -2 0 2; -4 0 4')
matrix([[-1, 0, 1],
[-2, 0, 2],
[-4, 0, 4]])
和以下函数(sigmoid/logistic)：
import math
def myfunc(z):
return 1/(1+math.exp(-z))
我希望获得一个新的NumPy数组/矩阵，其中每个元素都是将myfunc函数应用于原始矩阵中相应元素的结果。
map(myfunc,
浏览 2提问于2017-03-04得票数 60
我知道R中的while和if函数不是矢量化的。while和if函数帮助我们根据某些条件有选择地处理某些行。我还知道，R中的apply函数用于在列上应用，因此它对我们希望应用的所有列行都进行操作。我是否可以将apply()与用户定义的函数和/或while/if循环一起使用，以便在某些行上有条件地使用它，而不是像apply函数通常所做的那样使用所有行。
注:-这里的核心问题是在R中绕过非向量化的时间/中频循环的缺点。
浏览 0提问于2018-08-06得票数 0
我有一个包含在一个无粘性坐标对象中的大量坐标集合。我希望对每个坐标并行地应用一个函数，并生成一个相同形状的输出数组--但这很慢。
(在我的例子中，该函数是一个采用半乳糖中心坐标并输出与空间中该点相关的“亮度”的模型。)
说明：
In [339]: type(data)
Out[339]: astropy.coordinates.builtin_frames.galactocentric.Galactocentric
In [340]: data.shape, data.size # Not that big, really
Out[340]: ((21, 21, 3
浏览 3提问于2017-11-24得票数 4
2回答
这是我的矩阵和代码的样本。我想重新计算我的数据，以便每一行都有1级。我对r很陌生，在教程中，导师说“将一行的每个元素除以行的大小”。但是，我不确定如何获得行的大小或重新计算数据。因此，我尝试使用apply()，但是在使用sqrt(sum(sc_mydatar，^2))测试了新版本之后，我没有得到1，所以x的结果应该是1。
#dataframe
myData <- myData[1:12]
#transpose
x <- t(myData)
#rescale the data
sc_mydata = apply(x[-1,], 1, scale)
#test rescale
浏览 2提问于2020-04-12得票数 1
最近，我发现自己越来越多地在大量结构化数据(如点和多边形)上使用NumPy数组来进行内存管理和计算速度。在这样做的过程中，我总是需要对整个数组执行一些函数f(x)。根据经验和谷歌搜索，迭代数组并不是这样做的，因此，内置的函数应该被矢量化并广播到整个数组。
查看的文档，我们得到了下面的示例：
def myfunc(a, b):
"Return a-b if a>b, otherwise return a+b"
if a > b:
return a - b
else:
return a + b
>>&
浏览 16提问于2022-04-17得票数 0
回答已采纳
我是从劳拉·伊瓜尔( Laura )的“数据科学入门”一书中学到的。
每当我尝试执行这段代码时，我的jupyter笔记本就会一直显示“*”，但从不显示所需的输出。就连我的笔记本电脑也开始减速，变得波涛汹涌。该文件是一个CSV文件，有26列和10000行。是因为文件太大了吗？
import pandas as pd
import numpy as np
file_name = r"ACCIDENTS_GU_BCN_2013.csv"
file = open(file_name, "r")
data = pd.read_csv(file)
data[
浏览 4提问于2021-09-01得票数 2
回答已采纳
1回答
我试图更好地使用各种使用Pandas的方法，并且我很难理解为什么Map、Apply和Vectorization相对于返回非布尔函数的函数是可互换的，但是当应用函数返回布尔值时，Apply和Vectorization有时会失败。这个问题将侧重于应用。
具体来说，我编写了非常简单的小代码来说明这个挑战：
import numpy as np
import pandas as pd
# make dataframe
x = range(1000)
df = pd.DataFrame(data = x, columns = ['Number'])
# simple functio
浏览 1提问于2021-02-09得票数 0
回答已采纳
我最近在Jax中实现了一个两层的GRU网络，但对它的性能感到失望(它无法使用)。 所以，我尝试了一下Pytorch的速度。 最小工作示例 这是我的最小工作示例，输出是在Google Colab上使用GPU-GPU创建的。notebook in colab import flax.linen as jnn
import jax
import torch
import torch.nn as tnn
import numpy as np
import jax.numpy as jnp
def keyGen(seed):
key1 = jax.random.PRNGKey(seed)
浏览 201提问于2021-10-29得票数 2
回答已采纳
2回答
我有一个名为old_func的旧函数，它以两个位置参数x和y作为输入。函数的输入是这样编写的，使用一个元组作为输入：
def old_func(position):
x, y = position
return x**2 + y**2
现在，我需要一种快速而简单的方法来在值网格上调用该函数：
xx = numpy.linspace(0, 1, 100)
yy = numpy.linspace(0, 1, 100)
X, Y = numpy.meshgrid(xx, yy)
array_positions = (X,Y)
old_fun(array_positions)
其
浏览 3提问于2015-07-21得票数 3
回答已采纳
我有一个三维数组(使用xarray)。我想沿着某一维度对其应用一维。具体地说，我希望应用scipy.signal.medfilt()函数，但同样，它应该是一维的。
到目前为止，我已经通过以下方式成功地实现了这一点：
for sample in data_raw.coords["sample"]:
for experiment in data_raw.coords["experiment"]:
data_filtered.loc[sample,experiment,:] = signal.medfilt(data_raw.loc[sampl
浏览 2提问于2019-07-18得票数 0
我需要在熊猫数据中添加几个计算列。其中一些列要求将值传递给特定的函数。
我遇到了一些我不明白的行为。引用以下代码片段
from numpy.random import randn
from pandas import Dataframe
def just_sum(a,b):
return a + b
# 1,000,000 columns with random data
df = DataFrame(randn(1000000, 2), columns=list('ab'))
df['reg_sum'] = df.a + df.b
#works
浏览 0提问于2018-01-26得票数 0
回答已采纳
我有一个有3个维度('time'，'x‘和'y')的数据集。我想沿时间维度应用此函数foo：
def foo(arr):
lo, hi = np.percentile(arr, (1,99))
arr = np.clip(arr, lo, hi)
arr = (arr - lo) / (hi - lo)
return arr
基本上，我想用一个像foo这样的函数在时间维度上缩放每个“图像”
在numpy中，我可以这样做：
for i in range(data.shape[0]):
data[i] = foo(dat
浏览 22提问于2021-05-29得票数 1
from pandas import DataFrame,Series
import numpy
def avg_bronze_medal():
countries=['Russian Fed','Norway','Canada']
gold=[13,11,10]
silver=[11,5,10]
bronze=[9,10,5]
medal_counts={'country_name':Series(countries),'gold':Series(gold),'s
浏览 2提问于2016-08-09得票数 0
1回答
因此，继续讨论@TheBlackCat和我在中使用的内容，我想知道向Numpy矢量化函数传递参数的最佳方法。因此，对有关职能的定义如下：
vect_dist_funct = np.vectorize(lambda p1, p2: vincenty(p1, p2).meters)
在哪里，vincenty来自。
我目前以这种方式调用vect_dist_funct：
def pointer(point, centroid, tree_idx):
intersect = list(tree_idx.intersection(point))
if len(intersect) >
浏览 4提问于2016-06-28得票数 5
回答已采纳
如果我有一个功能
def do_irreversible_thing(a, b):
print a, b
和一个数据，比如说
df = pd.DataFrame([(0, 1), (2, 3), (4, 5)], columns=['a', 'b'])
运行函数的最佳方法是什么?对于熊猫数据文件中的每一行，精确地运行一次。在“其他”中指出，像df.apply这样的熊猫会在第一行中两次调用这个函数。即使使用numpy
np.vectorize(do_irreversible_thing)(df.a, df.b)
导致在第一行上调用函数两次，df.T.app
浏览 0提问于2016-04-13得票数 19
4回答
我试图在NumPy中执行如下操作：
import numpy as np
def f(x):
return x[0] + x[1]
X1 = np.array([0, 1, 2])
X2 = np.array([0, 1, 2])
X = np.meshgrid(X1, X2)
result = np.vectorize(f)(X)
预期结果为array([[0, 1, 2], [1, 2, 3], [2, 3, 4]])，但它返回以下错误：
2
3 def f(x):
----> 4 return x[0] + x[1]
5
浏览 12提问于2022-11-26得票数 -1
回答已采纳
在状态重要的地方执行基于时间的计算时，numpy数组提供了什么。换句话说，在序列中较早或较晚发生的事情是重要的。
考虑以下基于时间的向量，
TIME = np.array([0., 10., 20., 30., 40., 50., 60., 70., 80., 90.])
FLOW = np.array([100., 75., 60., 20.0, 60.0, 50.0, 20.0, 30.0, 20.0, 10.0])
TEMP = np.array([300., 310., 305., 300., 310., 305., 310., 305., 300., 295.
浏览 3提问于2010-12-06得票数 5
回答已采纳
我正在关注如何使用numpy来操作图像的。当我使用scipy加载示例映像时，我得到了一个2D RGB元组数组，最后附加了一个dtype值。
array([[7, 8, 5],
[3, 5, 7]], dtype=uint8)
我编写了一个函数并将其矢量化
def myfunc(a, b):
return a + 2
vfunc = np.vectorize(myfunc)
但是，当我将它应用于数组时，结果不具有dtype
array([[9, 10, 7],
[5, 7, 9]])
我的猜测是，因为"dtype + 2“没有定义，所以它只是失去了数组的元素。
当我
浏览 2提问于2016-09-12得票数 0
回答已采纳
似乎变异和应用的工作方式不同，我想要一些见解。首先，我将从一个示例开始：
df = data.frame(base = as.character(letters), dat1 = runif(26), dat2 = runif(26))
df = df %>% mutate(path = paste0(base,'.txt'))
test_function = function(path){
print(length(path))
if(exists(path)){
table = read.table(path)
ret
浏览 0提问于2017-03-23得票数 0
1回答
我有以下操作： import pandas as pd
import numpy as np
def some_calc(x,y):
x = x.set_index('Cat')
y = y.set_index('Cat')
y = np.sqrt(y['data_point2'])
vec = pd.DataFrame(x['data_point1'] * y)
grid = np.random.rand(len(x),len(x))
result = vec.dot(vec.
浏览 25提问于2021-11-19得票数 3
继续使用tensorflow 2.0获取这些错误。这样能行吗？
import tensorflow as tf
import numpy as np
x = tf.constant(3.0)
with tf.GradientTape() as t:
t.watch(x)
y = (x - 10) ** 2
opt = tf.optimizers.Adam()
opt.minimize(lambda: y, var_list=[x])
浏览 0提问于2019-04-06得票数 3
回答已采纳
1回答
我想在numpy数组的行上运行一个操作(例如减去中间值)。
其中一种方法是使用理解列表：
import numpy as np
from statistics import median
x = np.array([[1, 2, 3, 4], [5, 6, 7 ,8], [9, 10, 11, 12]])
xm = np.vstack(([x[i,:] - median(x[i,:]) for i in range(x.shape[0])]))
处理每一行，然后将其垂直叠加为numpy数组。
是否有更有效/更优雅的方法来做到这一点？
浏览 0提问于2018-05-10得票数 2
回答已采纳
1回答
numpy向量化函数
、、、
我想在numpy.ndarray上使用矢量化来做一些计算。假设我有以下矢量化函数：
import numpy as np
fun = lambda x:x[0]+x[1]
fun = np.vectorize(fun)
和下面的numpy.ndarray
a = range(10)
b = range(10)
c = np.array([a,b])
当我申请的时候
result = fun(c)
我得到了以下错误
IndexError: invalid index to scalar variable.
\为什么会出现这种情况?我应该如何修复它？
浏览 2提问于2017-05-04得票数 0
我正在处理从美国宇航局火球数据API ()导入的lat/lon数据。
lat/lon数据只有正值，其方向(N/S和E/W)位于不同的列中，称为lat-dir/lon-dirdataframe，如下所示。如果"lat-dir“== 'S'Convert lon 值为负值，则to:Convert lat 值为负(乘以-1)。"lon-dir“== ==
下面是我如何创建数据文件的大致过程：
import requests
import pandas as pd
response = requests.get('https://ssd-api.jpl.na
浏览 1提问于2019-12-08得票数 1
回答已采纳
我不太理解apply函数是如何工作的。下面是我的代码，它运行得很好：
dftest = pd.DataFrame({'a': ['A BERTHOU'], 'b': ['BERTHOU']})
def test2(a, b):
return a + b
dftest['concat'] = dftest.apply(lambda row: test2(row['a'], row['b']), axis=1)
但是我想不使用lambda函数来做同样的事情。我试过这个：
浏览 10提问于2019-01-25得票数 0
2回答
不适用于平日工作的轴
、、、、
我有一个矮小的数组：
>>> type(dat)
Out[41]: numpy.ndarray
>>> dat.shape
Out[46]: (127L,)
>>> dat[0:3]
Out[42]: array([datetime.date(2010, 6, 11), datetime.date(2010, 6, 19), datetime.date(2010, 6, 30)], dtype=object)
我希望得到此数组中每个日期的工作日，如下所示：
>>> dat[0].weekday()
Out[43]: 4
浏览 0提问于2018-01-30得票数 1
回答已采纳
基于
我希望使用log()方法将像.assign()这样的函数应用到数据帧中，以创建一个临时列并使用它作为排序条件，但是，我不能像传递.apply()方法那样传递axis参数。
下面是一个示例代码：
from numpy.random import randint
set.seed(0)
df = pd.DataFrame({'value':[randint(1,10) for i in range(0,10)], 'reading': [randint(1,10) for i in range(0,10)]})
value reading
0
浏览 0提问于2020-01-01得票数 0
回答已采纳
2回答
我有一个有两栏的熊猫数据，比如A和B。
列A和B的所有元素都是字符串类型。
例如
A B
0 str1 str2
1 str3 str4
2 str5 str6
3 str7 str8
因此，我有一个函数f，它接受输入2个字符串，做一些非平凡的事情，并返回一个输出。
eg def f(x, y): "do something to x and y to make z" return z
我想让输出看起来像
A B
浏览 2提问于2019-10-14得票数 1
回答已采纳
1回答
我试着用矢量化来理解Numpy。我正在努力寻找最快的函数来完成它。
def get_distances3(coordinates):
return np.linalg.norm(
coordinates[:, None, :] - coordinates[None, :, :],
axis=-1)
coordinates = np.random.rand(1000, 3)
%timeit get_distances3(coordinates)
上述功能为10个循环，最好为3: 35.4毫秒/圈。在numpy库中，还有一个np.vectorize选项。
d
浏览 2提问于2020-04-21得票数 2
回答已采纳
1回答
假设我有一个3D numpy数组$y_{n \i.e.\i.e.}$和一个一维numpy array$x_{p \xx1}$，我想在$y$的每个片段(即$yi，j，:$)和$x$上应用'PyOLS‘函数。如何在Python中向量化此操作？
下面是一个示例代码：
import numpy as np
def PyOLS(xvec, yvec):
n = xvec.shape[0]
X = np.c_[xvec, np.ones(n)]
betas = np.dot(np.linalg.inv(np.dot(X.T, X)), np.dot(X.T, yvec))
浏览 7提问于2022-10-29得票数 0
回答已采纳
1回答
我有一个带有多索引d, y, b, r, a的pandas数据帧，并且我需要应用一个函数，该函数根据索引值在数据帧的元素之间进行减法运算。 为了简单起见，我将只考虑三个索引，d, y, r 索引d可以有两个值value0和value1。当为d == value0时，索引r只能为"O"。而是当d == value1 r是0到999之间的整数时。其余的索引在value0和value1之间是通用的。 数据帧可以构造为 import numpy as np
import pandas as pd
d_index = [*["value0", "value0&#
浏览 13提问于2021-11-04得票数 0
2回答
我知道如何简单地绕过熊猫专栏()，然而，我的问题是，我如何在熊猫的同时循环和计算。
df['age_new'] = df['age'].apply(lambda x: round(x['age'] * 0.024319744084, 0.000000000001))
TypeError: 'float' object is not subscriptable
有办法这样做吗？
浏览 2提问于2020-10-27得票数 1
回答已采纳
3回答
R函数numpy或pandas等价于sweep()是什么？
详细说明:在R中，假设我们有一个系数向量，比如beta (数值类型)和一个数组，比如data (20x5数值类型)。我希望将向量叠加在数组的每一行上，并乘以相应的元素。然后返回结果(20x5)数组，我可以使用sweep()实现这一点。
等效示例R代码：
beta <- c(10, 20, 30, 40)
data <- array(1:20,c(5,4))
sweep(data,MARGIN=2,beta,`*`)
#---------------
> data
[,1] [,2] [,3] [,4]
浏览 0提问于2014-04-16得票数 5
回答已采纳
2回答
我正试图在一个二维数组上应用一个向量化函数，在numpy行方面，我遇到了ValueError: setting an array element with a sequence.。
import numpy as np
X = np.array([[0, 1], [2, 2], [3, 0]], dtype=float)
coeffs = np.array([1, 1], dtype=float)
np.apply_along_axis(
np.vectorize(lambda row: 1.0 / (1.0 + np.exp(-coeffs.dot(row)))),
0,
浏览 1提问于2017-07-12得票数 1
回答已采纳
我正在尝试计算卡方函数，例如，将任意(黑盒)函数与数据的数值向量数组进行比较。目前我正在python中循环数组，但是像这样的东西非常慢：
n=len(array)
sigma=1.0
chisq=0.0
for i in range(n):
data = array[i]
model = f(i,a,b,c)
chisq += 0.5*((data-model)/sigma)**2.0
return chisq
array是一维numpy数组，a，b，c是标量。有没有办法通过使用numpy.sum()或某种lambda函数等来加速这一过程？我可以看到如何删除一个循环(通
浏览 3提问于2013-04-26得票数 1
1回答
如何生成以下MAD函数的滚动版本
from numpy import mean, absolute
def mad(data, axis=None):
return mean(absolute(data - mean(data, axis)), axis)
这段代码是对的回答
目前，我将numpy转换为熊猫，然后应用此函数，然后将结果转换为numpy。
pandasDataFrame.rolling(window=90).apply(mad)
但这在更大的数据帧上是低效的。如何在没有循环的numpy中获得相同函数的滚动窗口，并给出相同的结果？
浏览 1提问于2017-03-17得票数 5
回答已采纳
我有一个名为X_valid的1000x784数据矩阵(10000个示例和784个特征)，我想将以下函数应用于此矩阵中的每一行，并获得数值结果：
def predict_prob(x_valid, cov, mean, prior):
return -0.5 * (x_valid.T.dot(np.linalg.inv(cov)).dot(x_valid) + mean.T.dot(
np.linalg.inv(cov)).dot(mean) + np.linalg.slogdet(cov)[1]) + np.log(
prior)
(x_valid仅仅是一行数据)。我使
浏览 0提问于2016-03-07得票数 4
如果这个错误的解决方案是微不足道的，我很抱歉，但是我已经做了大量的准备工作，没有任何运气。互联网上的每个答案都说，当您尝试使用数组作为标量时，会出现此错误，但我不明白如何在这里应用这些信息。以下是代码：
import numpy as np
from math import e, sin
from scipy import misc
import matplotlib.pyplot as plt
def f(x):
return x-e**-x
a = 0
b = 1
pas = 0.1
x = np.arange(a, b+pas, pas)
plt.plot(x, f(x),
浏览 3提问于2021-03-15得票数 1
回答已采纳
我一直试图使用lambda和()方法来创建一个基于其他列的新列。我想要做的计算基于"Alpha 1“值和"Alpha 2”值的范围来计算“阶段反应”值的范围，以及基于一个恒定的“阶段加载”值。代码如下：
import pandas as pd
import numpy as np
data = {
'Stage Loading':[0.1],
'Alpha 1':[[0.1,0.12,0.14]],
'Alpha 2':[[0.1,0.12,0.14]]
}
p
浏览 4提问于2022-04-28得票数 0
回答已采纳
2回答
示例代码在这里
import pandas as pd
import numpy as np
df = pd.DataFrame({'Customer' : ['Bob', 'Ken', 'Steve', 'Joe'],
'Spending' : [130,22,313,46]})
#[400000 rows x 4 columns]
df = pd.concat([df]*100000).reset_index(drop=True)
In [129]:
浏览 0提问于2016-12-15得票数 9
回答已采纳
1回答
我有两个容器，conty和contx。两者的价值是相互联系的。conty[1]与contx[1]等有关，在使用apply on contx时，我希望访问应用结构中的索引，以便根据x的索引将conty中相应元素的值放入contz中。
lapply(contx, function(x) {
if (x==1) append(contz,conty[xindex])
})
我可以很容易地在for循环中做到这一点，但是每个人都坚持使用apply更好。我试着寻找例子，但我唯一能找到的东西，主要是生成地图的东西，在这里我还不完全清楚如何适应我的问题。
浏览 4提问于2017-06-18得票数 0
回答已采纳
1回答
如何在TensorFlow的量化感知训练后得到量化权值或量化感知权值。我想在应用程序的NumPy上使用整数量化的权重。到目前为止，我的用法如下，它给出了float32的值。 import tensorflow.keras.backend as K
for layer in q_aware_model.trainable_weights:
weights_temp.append(K.get_value(layer))
浏览 17提问于2020-10-23得票数 0
这个很好地解释了如何解决在使用条件时出现的ValueErrors，例如“或”而不是“\”和“和”而不是&。但是，在这条链中，我没有看到任何东西可以解决"ValueError，一个系列的真值是模棱两可的问题。当尝试用一个函数使用矢量化时，使用a.empty、a.bool()、a.item()、a.any()或a.all()“来进行矢量化。
具体来说，在这种情况下，映射和应用工作得很好，但是矢量化仍然会抛出ValueError。
下面的代码，有人能分享如何解决这个问题，这样矢量化就可以不用修改函数(或修改函数太多)？谢谢!
代码：
# import numpy and panda
浏览 2提问于2021-02-09得票数 1
回答已采纳
2回答
我有以下问题:我有两组数据(集合T和集合F)。和以下函数：
x(T) = arctan(T-c0), A(x(T)) = arctan(x(T) -c1),
B(x(T)) = arctan(x(T) -c2)
and Y(x(t),F) = ((A(x(t)) - B(x(t)))/2 - A(x(t))arctan(F-c3) + B(x(t))arctan(F-c4))
# where c0,c1,c2,c3,c4 are constants
现在，我要创建Y的曲面图。为此，我想将Y实现为python (numpy)函数，因为Y接受其他函数作为输入，这将变得非常复杂。
浏览 0提问于2016-06-07得票数 0
在下面的函数中，myfun首先检查是否满足某个条件，然后继续操作。 这种检查发生在函数内部。 有没有办法在应用函数之前进行检查？ 例如，if [column] == xyx, .apply(myfun) 下面是一些代码： import pandas as pd
x = pd.DataFrame({'col1':['hi','hello','hi','hello'],
'col2':['random', 'words', '
浏览 28提问于2019-08-30得票数 0
回答已采纳
1回答
我试图将一列分成两部分，但我知道我的数据中有空值。想象一下这个数据文件：
df = pd.DataFrame(['fruit: apple','vegetable: asparagus',None, 'fruit: pear'], columns = ['text'])
df
text
0 fruit: apple
1 vegetable: asparagus
2 None
3 fruit: pear
我想把它分成
浏览 2提问于2016-05-05得票数 1
回答已采纳
我有一个具有3列a、b和c列的dataframe，以及一个接受3个参数的函数，例如，一个小例子：
data_test = [[1,11,101],[2,12,102],[3,13,103],[4,14,104],[5,15,105],[6,16,106]]
df_test = pd.DataFrame(data_test,columns=['a','b','c'],dtype=float)
a b c
0 1.0 11.0 101.0
1 2.0 12.0 102.0
浏览 0提问于2020-04-13得票数 1
回答已采纳
3回答
import numpy
import matplotlib.pyplot as plt
from scipy import integrate
def f(x,y):
return x*y + x**2
def integral(x,y):
I = integrate.quad(f, 0, x, args=(y,))[0]
return I
def gau(x,y):
return (1+x)*integral(x,y)
xlist = numpy.linspace(-3.0, 3.0, 100)
ylist = numpy.linspace(
浏览 13提问于2017-01-02得票数 0
回答已采纳
1回答
我想验证一下，我是否理解了许多机器学习讲座/笔记/视频中提到的向量化代码的概念。
我对此做了一些阅读，发现CPU和GPU有一个指令集，名为SIMD；单指令多个数据。
例如，这是通过将两个变量移动到两个特殊的64/128位寄存器，然后一次添加所有位来实现的。
我也读过像GCC这样的大多数现代编译器，例如，如果使用-Ofast标志打开优化，即
-Ofast -无视严格的标准遵守。-Ofast启用所有-O3优化。它还支持并非对所有符合标准的程序都有效的优化。它开启了数学和特定于Fortran的fno保护父母和-f堆栈数组。
在可能的情况下，-Ofast应该自动将用C/C++编写的任何循环矢量
浏览 0提问于2018-12-20得票数 1
回答已采纳
我有这样一个函数:它接受给定的numpy数组A和给定的函数func，并将该函数应用于数组的每个元素。
def transform(A, func):
return func(A)
A和func是从外部提供的，我对它们没有控制权。如果函数是向量化函数(如transform(A, np.sin) )，我希望它们能够工作，但我也希望能够接受正常的numpy函数，例如lambda，如transform(A, lambda x: x^2 if x > 5 else 0)。当然，第二个不是向量化的，所以我需要在应用之前调用np.vectorize()。像这样：transform(A, np.
浏览 1提问于2016-01-07得票数 4
回答已采纳
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
热门标签
云服务器
ICP备案
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
