设置dtype时Numpy数组上的重复值
当在Numpy数组上设置dtype时，重复值是指在数组中存在相同的元素。Numpy是一个用于科学计算的Python库，它提供了高性能的多维数组对象和各种用于处理这些数组的工具。
重复值可能会对数据分析和计算产生影响，因为它们可能导致结果不准确或产生错误的计算。为了处理重复值，可以使用Numpy中的一些函数和方法。
以下是一些处理重复值的方法：
- 查找重复值：可以使用Numpy的unique函数来查找数组中的唯一值。该函数返回数组中的唯一值，并且可以选择返回唯一值的索引或计数。
- 删除重复值：可以使用Numpy的unique函数来删除数组中的重复值。该函数返回数组中的唯一值，并且可以选择返回唯一值的索引或计数。
- 替换重复值：可以使用Numpy的where函数来替换数组中的重复值。该函数可以根据条件替换数组中的元素。
- 统计重复值：可以使用Numpy的bincount函数来统计数组中每个元素的出现次数。该函数返回一个数组，其中每个元素的值表示该元素在原始数组中出现的次数。
Numpy还提供了其他一些用于处理数组的函数和方法，可以根据具体需求选择适当的方法来处理重复值。
在云计算领域中，Numpy可以用于处理大规模数据集和进行高性能计算。在使用Numpy时，可以考虑使用腾讯云的云服务器CVM来提供计算资源，腾讯云的对象存储COS来存储数据，以及腾讯云的容器服务TKE来部署和管理应用程序。
腾讯云相关产品和产品介绍链接地址：
相关·内容
2回答
R用户，我正在尝试我的第一个Python项目，以利用Numba。我读到过Numba与Numpy配合得很好，但与Pandas配合不好，所以我尽量避免使用Pandas。我现在的问题实际上与Numba无关，但我想提到它作为我避免使用Pandas的原因。 我有两个Numpy结构化数组，其中一个有很多重复项。我尝试使用"numpy.lib.recfunctions.join_by“函数加入它们，但文档中明确指出重复会导致问题。有没有人能为我所有的副本推荐一些变通方法？ 下面是一个与我的情况类似的示例： import numpy as np
import numpy.lib.recfunctio
浏览 32提问于2019-03-21得票数 2
假设我们有两个numpy.float32类型的标量： a
>>>1.0
type(a)
>>><class 'numpy.float32'>
b
>>>2.0
type(b)
>>><class 'numpy.float32'> 我正在尝试从list(a，b，a，a，b，a，b，b，a，b，b，a，a)创建一个numpy数组。 我的问题是，我们能让这个数组将它的标量指向内存中的同一对象吗？而不是按其形状的步长复制它们？ 我有一个非常长的数组，例如shape(
浏览 11提问于2020-08-13得票数 0
当我打印数组时，它看起来像这样
print(my_array)
[ 0 0 0 1 0 1...
1 0 2 0 1 ]
[ 0 0 0 1 0 1...
1 0 2 0 1 ]
none
当我使用单个索引为数组编制索引时，
print(my_array[0])
它返回
0
0
none
但如果我试着打个比方
print(my_array[0,0])
我得到了
"IndexError: too many indices for array"
最后，形状返回
(750,)
(750,)
None
并且该类型返回
class 'numpy
浏览 0提问于2018-10-02得票数 0
1回答
在Numpy中，似乎矩阵可以只是一个嵌套列表，不限于数字。例如
import numpy as np
a = [[1,2,5],[3,'r']]
b = np.matrix(a)
不会产生任何抱怨。
当列表可以处理非严格数学意义上的矩阵的对象时，这种容忍的目的是什么？
浏览 4提问于2016-11-17得票数 1
回答已采纳
我使用numpy数组对象的错误类型方法将数组从字符转换为整数。为了提高效率，我使用的是copy=False，但我注意到原来的数组实际上没有被修改。如果不将b声明为新数组，这是怎么可能的？
import numpy
a=numpy.array(['0','1'])
b=a.astype(numpy.int32,copy=False)
print a[0], b[0]
浏览 8提问于2016-02-04得票数 0
回答已采纳
我想对python 3中的numpy float32数组执行一些标准操作，但是在使用numpy sum()时，我看到了一些奇怪的行为。下面是一个示例会话：
Python 3.6.1 |Anaconda 4.4.0 (x86_64)| (default, May 11 2017, 13:04:09)
[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin
import numpy as np
np.__version__
Out[3]: '1.12.1'
a = np.ones(10).astype(n
浏览 5提问于2017-08-29得票数 2
回答已采纳
2回答
我有两个numpy数组a和b，有2000万个元素(浮点数)。如果这两个数组的组合元素是相同的，那么我们称之为复制，应该从两个数组中删除它。例如,
a = numpy.array([1,3,6,3,7,8,3,2,9,10,14,6])
b = numpy.array([2,4,15,4,7,9,2,2,0,11,4,15])
从这两个数组中，我们有a[2]&b[2]与a[11]&b[11]相同，然后我们称它为重复元素，应该删除它。与a[1]&b[1]和a[3]&b[3]一样，虽然每个数组本身都有重复的元素，但它们并不被视为重复的元素。因此，我希望返回的数组为：
浏览 3提问于2016-03-26得票数 2
回答已采纳
我正在编写一些处理3D三角网格的代码。一旦我导入了网格数据，我需要“统一”在空间中同一点的顶点。
我一直认为numpy数组是存储和操作数据的最快方法，但我似乎找不到一种快速的方法来构建顶点列表，同时避免添加重复的条目。
因此，为了测试方法，创建一个具有10000个唯一行的3x30000数组：
import numpy as np
points = np.random.random((10000,3))
raw_data = np.concatenate((points,points,points))
np.random.shuffle(raw_data)
这可以作为网格数据的一个很好的近似值，
浏览 1提问于2013-06-24得票数 2
回答已采纳
为什么当numpy数组是向量时，设置工作，而dtype被隐式转换为浮点数，但是当numpy数组是矩阵时，设置工作，但dtype仍然是int。这里有一个演示脚本来说明这个问题。
import numpy as np
# successfully sets / converts
x = np.array([100, 101])
c = -np.max(x)
x += c
print 'before', x.dtype
x = np.exp(x)
print 'after', x.dtype
print x
# doesn't successfully
浏览 5提问于2017-06-14得票数 0
回答已采纳
要将字段添加到结构化numpy数组中，只需创建一个具有新dtype的新数组，复制旧字段，并添加新字段。但是，我需要对一个占用大量内存的数组这样做，而且我不想复制所有的内存。我自己的实现和numpy.lib.recfunctions.append_fields中的慢实现都重复内存。
有没有一种方法可以在不重复内存的情况下向结构化ndarray添加字段？这意味着，一种避免创建新ndarray的方法，还是一种创建指向与旧ndarray相同数据的新ndarray的方法？
重复RAM的解决方案：
有一个，其中的挑战是删除而不是添加字段。该解决方案使用一个视图，该视图应该适用于原
浏览 3提问于2016-10-10得票数 1
回答已采纳
1回答
我正在使用opencv v2.2在ndarray上做一些模板匹配，在使用他们的包装方法cv.fromarray()时，我遇到了很大的内存泄漏问题。我没有堵塞内存泄漏，而是直接使用cv.SetData，而不是使用fromarray()函数，如下所示：
assert foo_numpy.dtype == 'uint8'
assert foo_numpy.ndim == 3
h, w = foo_numpy.shape[:2]
foo_cv = cv.CreateMat(h, w, cv.CV_8UC3)
cv.SetData(foo_cv, foo_numpy.data, foo_
浏览 0提问于2011-04-07得票数 4
我有一个的列表。如何从列表中删除重复数组？
我尝试了set(arrays)，但得到了错误"TypeError: unhashable type：‘numpy.ndarray’“
2d数组的例子(我的实际上是3D的)。这里的起始列表是10。不同数组的输出列表应该是8，因为索引0、5、9的元素都是相等的。
>>> import numpy
>>> numpy.random.seed(0)
>>> arrays = [numpy.random.randint(2, size=(2,2)) for i in range(10)]
>&
浏览 7提问于2015-10-19得票数 1
回答已采纳
我必须使用numpy网格创建一个非常大的网格。为了节省内存，我使用int8作为我要网格的数组的d类型。但是，meshgrid不断将类型更改为int64，这将占用大量内存。这是一个简单的例子.
import numpy
grids = [numpy.arange(1, 4, dtype=numpy.int8), numpy.arange(1, 5, dtype=numpy.int8)]
print grids
print grids[0].dtype, grids[0].nbytes
x1, y1 = numpy.meshgrid(*grids)
print x1.dtype, x1.n
浏览 11提问于2017-02-07得票数 4
回答已采纳
1回答
Numpy版本: 1.6.2
有人能解释一下为什么数组的各个标量不能保持dtype中设置的字节顺序吗？如何让它们以正确的字节顺序输出？
>>> numpy_type1 = numpy.uint32
>>> numpy_type2 = numpy.dtype(numpy_type1).newbyteorder('>')
>>> hexdump(numpy.array([100000000], dtype = numpy_type1).tostring())
'00e1f505' # OKAY (endia
浏览 5提问于2012-12-06得票数 2
我有一个结构化数组对象的列表，例如：
a = np.array([('Rex', 9, 81.0), ('Fido', 3, 27.0)], dtype=[('name', 'U10'), ('age', 'i4'), ('weight', 'f4')])
b = np.array([('Dog3', 9, 81.0), ('Dog4', 3, 27.0)], dtype=[('name', 'U10')
浏览 1提问于2019-06-14得票数 0
回答已采纳
5回答
当我在布尔型数组上使用numpy函数minimum()和maximum()时，结果的类型打印为numpy.int32。但是，与numpy.int32类型的比较失败(即使在强制转换之后)。这是一个bug吗？
g = np.ones((5, 5), dtype = np.bool)
h = np.maximum(g, 4)
i = np.int32(h)
print 'type of g ', g.dtype.type # prints <type 'numpy.bool_'>
print 'type of h ', h.dtype
浏览 1提问于2011-04-07得票数 3
回答已采纳
当计算的输入是32位整数数据类型的numpy数组时，我遇到了不正确的numpy计算问题，但是输出包含需要64位表示的更大的数字。
下面是一个最小的工作示例：
arr = np.ones(5, dtype=int) * (2**24 + 300) # arr.dtype defaults to 'int32'
# Following comment from @hpaulj I changed the first line, which was originally:
# arr = np.zeros(5, dtype=int)
# arr[:] = 2**24 + 300
浏览 5提问于2019-10-24得票数 5
回答已采纳
4回答
假设我有以下numpy数组：
import numpy as np
from numpy import inf
x = np.array([1,2,3,4])
我想用无穷大替换数组的第j个索引，例如
x[2] = inf
有什么办法把这事搞清楚吗？因为当我尝试这样做时，我会得到以下错误：
OverflowError: cannot convert float infinity to integer
谢谢你的回答！
浏览 6提问于2019-10-18得票数 0
回答已采纳
2回答
我已经在索引文档上花了几天时间，但还没有找到我想要的东西。
请考虑以下内容：
import numpy
fac=numpy.asarray(['a','a','a','b','b','c','c','c'])
f_ind = [x for x in range(len(fac)) if fac[x] == 'c']
它会像我想要的那样返回[5,6,7]。然而，似乎NumPy数组应该有一种机制，能够以更简洁(和高效？)的方式实现相同的功能。道路。布尔数组
浏览 1提问于2017-06-23得票数 4
我对编程很陌生.在阅读教程和在笔记本电脑上做实验时.我想转换numpy数组的dtype如下：
import numpy as np
c = np.random.rand(4)*10
print c
#Output1: [ 0.12757225 5.48992242 7.63139022 2.92746857]
c.dtype = int
print c
#Output2: [4593764294844833304 4617867121563982285 4620278199966380988 4613774491979221856]
我知道改变的正确方法是：
c = c.astype(i
浏览 3提问于2017-07-07得票数 2
回答已采纳
上下文:我想将numpy ndarrays与float32一起使用，而不是float64。
编辑:额外的上下文-我关心numpy是如何执行这些调用的，因为它们将作为神经网络中反向传播例程的一部分重复发生。为了验证的目的，我想让网络在float32中执行所有的加/减/乘/除，因为我想将结果与另一个小组的工作进行比较。看起来像randn这样的方法的初始化总是来自float64 -> float32和.astype()类型转换。一旦我的ndarray是float32类型，例如，如果我使用np.dot，那么这些乘法会在float32中发生吗？如何验证？
文档对我来说不是很清楚-
我想我可以只在
浏览 8提问于2016-09-22得票数 5
回答已采纳
我期望np.fromfunction(lambda i: 1, (4,), dtype=int)返回array([1, 1, 1, 1])，但它返回的是整数1。有人能给我解释一下为什么numpy.fromfunction会这样吗？它似乎与匿名函数的定义有关(即，是否实际使用了函数的参数)。
>>> import numpy as np
>>> np.fromfunction(lambda i: i, (4,), dtype=int)
array([0, 1, 2, 3])
>>> np.fromfunction(lambda i: 1,
浏览 1提问于2014-12-23得票数 9
1回答
如何通过指定对角线值创建数组
、、、、
我有如下所示的数组：
poles = numpy.array([[-1+1j], [-1-1j], [-2+3j], [-2-3j]])
其形状为(4,1)。
当我使用numpy.diag时，如下所示：
LA = numpy.diag(poles)
输出是[-1.+1.j]，而我希望看到对角线矩阵。有人能解释一下发生了什么，应该做些什么才能看到对角线矩阵吗？我也试图改变形状为(1,4)，但结果没有改变。
浏览 2提问于2019-10-07得票数 0
回答已采纳
2回答
慢位运算
、、、、
我正在开发一个Python库，它对长位字符串执行大量按位操作，并且我希望找到一种能够最大限度地提高其速度的位字符串类型。我已经尝试过内置的Python类型、numpy、和，令人惊讶的是，Python似乎在按位操作方面赢得了成功。我搜索过的所有内容都说，对于像这样的矢量化操作，numpy应该更快一些。我是不是用得不对？我还可以使用另一个Python库来改进Python的内置int类型吗？
from timeit import timeit
import random
size = 10000
def int_to_bits(i):
result = []
for _ in
浏览 6提问于2015-06-06得票数 10
回答已采纳
我用pandas.read_csv来读取excel文件，我的文件中有两个列，一个是字符串类型，另一个是整数。
data = pandas.read_csv('data.csv')
然后，我打印出这些numpy ndarray的数据类型。
print(type(data.get_values()[0, 0]))
print(type(data.get_values()[0, 1]))
结果：
<class 'str'>
<class 'int'>
它向我展示了一种在相同的numpy ndarray中添加两种不同数据类型的方法
浏览 3提问于2017-09-28得票数 0
回答已采纳
我有一个2D布尔数组，例如：
[[False, True, True],
[True, False, True],
[True, False, False],
[True, True, True]]
对于数组中的每一行，我希望计数True的实例，并创建一个与原始数组相同形状的按项排列的新数组，其中每个条目都是该行中所有以前的True实例的总和。对于上面的例子，我想要的输出是：
[[0, 0, 1],
[0, 1, 1],
[0, 1, 1],
[0, 1, 2]]
是否有一种方法可以在Numpy中快速完成此操作，而不是像这样检查数组中的每个项：
boolarr = np.array([[0,
浏览 2提问于2015-10-21得票数 3
回答已采纳
当我使用foo = np.empty(1)创建空的numpy数组时，得到的数组包含一个float64：
>>> foo = np.empty(1)
>>> foo
array([ 0.])
>>> type(foo[0])
<type 'numpy.float64'>
为什么不直接返回array([])
浏览 4提问于2017-07-02得票数 6
回答已采纳
就像python中的list 1，"hello"，{"python"：10}一样，它可以有所有不同的类型，numpy数组也可以这样吗？
当numpyarray.dtype => dtype('float64')时，是否意味着所有元素都是浮点数？
浏览 3提问于2019-03-03得票数 0
1回答
我想在循环中更新许多numpy数组(在每个数组前面加上额外的元素)，而不必为每个数组重复代码。
我尝试创建一个包含所有数组的列表，并遍历该列表中的项并更新每个项，但这不会更改原始数组。
import numpy as np
arr01 = [1,2,3]
arr02 = [4,5,6]
arr99 = [7,8,9]
print('initial arr01', arr01)
arraylist = [arr01, arr02, arr99]
for array in arraylist:
array = np.concatenate((np.zeros(3, dtyp
浏览 1提问于2019-08-08得票数 0
回答已采纳
1回答
我正在为Raspberry Pi构建一个项目，在特定的时间窗口中随机打开或关闭继电器。为了管理时隙，我想使用每天生成的二维数组。因此，我的Python应用程序需要清空前一天的数组，并使用随机生成的on/off时隙填充它。我不知道如何将我的时间值附加到数组中。有人能帮我吗？这是我的密码：
daily_slots = np.empty([1], dtype=[('onTime', np.dtype(int)), ('offTime', np.dtype(int))])
# numpy populates the array with whatever is
浏览 2提问于2017-03-12得票数 0
回答已采纳
1回答
我想使用用户定义的numba数据结构创建一个numpy数组。当我在数据结构中包含一个虚拟变量时，一切正常工作，但是当我删除它时，结果矩阵是我想要的数据的重复。但我不知道为什么numpy重复我的数据，我如何避免它。
import numpy as np
from numba.types import float64, Record, NestedArray
poly = np.random.rand (3,2)
args_dtype = Record.make_c_struct([
('dummy', float64),
(
浏览 3提问于2020-03-11得票数 0
回答已采纳
我在设置空numpy 3D矩阵中的值时遇到问题这里是我使用的代码的简化示例
import numpy as np
QMatrix = np.empty(((3,3,3))) # I do not want to use np.zero for a specific reason
QMatrix[0][0][0] = 57
print ("Position Values is " , Qmatrix[0][0][0])
这应该设置矩阵的值57 @ position，但是当我打印矩阵时，我得到的结果是
Position Value is 5.70000000e+001
但我想要的
浏览 4提问于2016-05-19得票数 0
我目前正在选修一个数值方法课，并编写了一个函数来实现Gauss消除。我注意到，由于某些原因，在对numpy数组执行操作时，python无法将整数转换为浮点数。所以我要得到零而不是浮点数。下面是执行Gauss消除的代码段
for k in range(h - 1):
p = k
B = a[k, k]
for i in range(k+1, l):
if a[i, k] > B:
B = a[i, k]
p = i
if p != k:
浏览 0提问于2021-10-07得票数 1
回答已采纳
1回答
我正在使用skiimage库，我让它对不同的输入文件数据正确工作。
在这里，正在工作的代码：
简单地解释一下，alpha_time是一个水平集函数，结构为[time,x,y,z]，所以alpha_time[0,:,:,:]是time = 0的水平集函数。
gaz0 = alpha_0[0,:,:,:] >= 0
labels_gaz0 = measure.label(gaz0)
props_gaz0 = measure.regionprops_table(labels_gaz0,properties
['label','area'])
df0 = p
浏览 5提问于2022-08-26得票数 0
2回答
据我所知，NumPy浮点阵列的元素的精度受到机器感应器的限制。
但是，我很难理解为什么将数组的数据类型指定为Python对象，而不是作为默认的浮点数，从而导致数组存储了我提供给它的精确值。有人能解释一下这种行为吗？
下面的代码说明了与浮点数据类型关联的舍入错误，以及使用对象数据类型时精度的变化。
import numpy as np
np.set_printoptions(precision=64)
MyArray = np.empty(2)
MyArray.fill(0.442)
print(MyArray)
# [ 0.44200000000000000399680288865056
浏览 2提问于2016-07-27得票数 0
回答已采纳
我有一个关于python/numpy执行类型转换的奇怪方式的问题。当我在float32和float64数字之间执行算术运算时，较低的精度被转换为float64，然后执行该操作，结果将为float64。但是当list或numpy数组由float32数字组成时，这种类型转换是以相反的方向执行的，即这次是将float64数字向下转换为float 32数字。
>> a = numpy.float32(10.0)
>> b = numpy.float64(1.0)
>> (a/b).dtype
dtype('float64')
>>
浏览 11提问于2016-12-02得票数 2
我尝试了numpy数组，并创建了一个numpy字符串数组：
ar1 = np.array(['avinash', 'jay'])
正如我从他们的官方指南中读到的，numpy数组上的操作被传播到单独的元素。所以我这样做了：
ar1 * 2
但是我得到了这个错误：
TypeError Traceback (most recent call last)
<ipython-input-22-aaac6331c572> in <module>()
----> 1 ar1 * 2
浏览 3提问于2015-04-26得票数 27
回答已采纳
在python中的一个简单recarray中，当按列名索引时，输出值将被截断：
import numpy #1.10.0
arr = numpy.zeros(1, dtype=[('a', np.float)])
arr[0]['a'] = 0.1234567891234
print arr
print arr['a']
[(0.1234567891234,)]
[ 0.12345679]
这一切为什么要发生？我可以通过列索引获得完整的非截断值吗？
浏览 9提问于2016-07-15得票数 0
假设我有一个带有固定数据类型的初始numpy数组：
array = numpy.array([(1, 'a'), (2, 'b')],
numpy.dtype([('idfield',numpy.int32),
('textfield', '|S256')]))
现在我需要在for循环中填充这个数组，所以我这样做
for val in value:
array = np.append(array, np
浏览 2提问于2018-02-13得票数 1
回答已采纳
2回答
如何有效地将numpy数组转换为数组列表？最终，我想让熊猫系列的数组成为一个列是一个数据框架。如果有更好的办法直接做到这一点，那也是好的。
下面的可重复代码解决了list()或.tolist()的问题，但是在实际数据集中实现的速度太慢了。我在找更快的东西。
import numpy as np
import pandas as pd
a = np.array([np.array([0,1,2,3]), np.array([4,5,6,7])])
s = pd.Series(a.tolist())
s = pd.Series(list(a))
这导致形状从a.shape = (2,4)变
浏览 1提问于2018-08-05得票数 4
回答已采纳
我有一系列的浮动(一些正常的数字，一些nans)，这是从申请熊猫的数据。
由于某些原因，numpy.isnan在这个数组上失败了，但是如下所示，每个元素都是一个浮点数，numpy.isnan在每个元素上正确运行，变量的类型肯定是numpy数组。
到底怎么回事？!
set([type(x) for x in tester])
Out[59]: {float}
tester
Out[60]:
array([-0.7000000000000001, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, n
浏览 7提问于2016-03-15得票数 129
回答已采纳
如何将numpy数组中的nan替换为空字符串或空字符串。我在谷歌上搜索了它，它还把nan与熊猫的数据数据联系在一起，而不是numpy数组。
浏览 27提问于2022-04-26得票数 2
回答已采纳
看过numpy的和的手册页后，我假设identity是eye的特例，因为它的选项更少(例如，eye可以填充移位的对角线，identity不能)，但似乎可以更快地运行。然而，无论是在小数组还是大型数组上，情况都不是这样：
>>> np.identity(3)
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> np.eye(3)
浏览 0提问于2015-02-06得票数 56
回答已采纳
2回答
我有一个大型数据集存储在一个numpy数组(A)中，我试图按块进行求和，使用：
B=numpy.add.reduceat(numpy.add.reduceat(A, numpy.arange(0, A.shape[0], n),axis=0), numpy.arange(0, A.shape[1], n), axis=1)
当我在测试数组上尝试它时，它可以正常工作，但是使用我的数据可以得到以下消息：
TypeError: Cannot cast array data from dtype('float64') to dtype('int32') accordin
浏览 6提问于2014-02-08得票数 3
回答已采纳
我有一个数字数组。在我的代码中，我需要从一个列表中添加一些其他整数，这样可以正常工作，并按预期返回一个dtype int64数组。但是，可能会出现要追加的整数列表为空的情况。在这种情况下，numpy返回一个float64值数组。示范性代码如下：
import numpy as np
a = np.arange(10, dtype='int64')
np.append(a, [10]) # dtype is int64
# array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
np.append(a, []) # d
浏览 14提问于2022-06-09得票数 3
回答已采纳
函数values[(values<=0).argmin():] = 0从第n个元素到最后一个元素值，如果数字低于0，则转换为零，如Int array输出所示。但是，当数组元素浮动时，数组将自动转换为float array输出中的零。我怎么才能解决这个问题？
浮子阵列
Numbers = np.array([123.6 , 123.6 , 123.6, 110.3748 , 111.6992976, 102.3165566, 97.81462811])
Numbers[(Numbers>=-50).argmin():] = 0
输出
[ 10 3 -20 0 0
浏览 3提问于2021-02-16得票数 0
回答已采纳
长期阅读，第一次写作。
我在google和stack overflow上搜索了一下，但没有找到这个问题的一般答案。
在使用numpy 1.6.2的Python2.7.3中，我得到了一个"unsupported type(s) for *：'numpy.ndarray‘and 'numpy.float64'“错误。
错误来自于将numpy数组和numpy浮点数相乘，但并不是每次都会发生。
例如：
x = np.tan(1) # numpy.float64
y = np.array([0,1,2,3]) # numpy.ndarray
np.multiply(x,y
浏览 0提问于2013-01-19得票数 8
回答已采纳
2回答
我想我是在问一个新手问题，但我今天花了太多的时间寻找答案。在用np.genfromtxt保存并重新加载后，当我天真地尝试在numpy数组上执行相同的切片操作时，我得到了一个IndexError: too many indices for array错误。
注意:我看到尺寸在重新加载时从(3,6)变为(3，)，但无法将结果转换回尺寸(3,6)-这是我认为必须显而易见的部分(或者可能我需要以不同的方式指定类型)
yo = np.arange(18)
yo = yo.reshape(3,6)
print(yo)
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
浏览 0提问于2018-04-02得票数 3
1回答
我正在使用以下方法读取二进制文件
numpy.fromfile(file, dtype=)
二进制文件有多个类型，我知道组织。因此，我将dtype数组定义为：
dtypearr = [('a','i4',1),('b','S1',8),('c','i4',1),
('d','i4',1),('e','S1',8)]
这个dtype数组表示二进制文件的第一个值是一个整数，后面跟着8个字符等等.
我遇到的问题是，二进制文件不是dty珠儿的
浏览 7提问于2016-05-11得票数 2
回答已采纳
我是python新手，正在学习Numpy。我所阅读和测试的是np.array具有单一的数据类型。当我在普通代码上使用它时，它工作和行为都很好。i.e
import numpy as np
np1 = np.array([1,'2' , True])
for i in np1:
print(type(i))
答案是
<class 'numpy.str_'>
<class 'numpy.str_'>
<class 'numpy.str_'>
但是当我的代码是
np2 = np.array(
浏览 0提问于2020-01-13得票数 2
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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
