问题标签 [elementwise-operations]

I would like to know is there any better way to perform element wise division operator in python. The code below suppose to perform division A1 with B1 row and A2 with B2 rows therefore my expected output is only two rows. However the division part is A1 with B1, A1 with B2, A2 with B1 and A2 with B2. Can anyone help me?

The binary file is for A,C,G,T representations using 1000,0100,0010,0001. Division file has four columns each each A, C, G, T and therefore the values obtained earlier must divide accordingly.

Code

binary.csv

single.csv:

division.csv

Expected output

Actual output

Explanation on the error

Let division file as follows:

Let after single and binary computation result as follows:

Let the number 1,2,3,4 is assigned to the location A,B,C,D and next row E,F,G,H

where 1 divided by A, 3 divided by C and so on. Basically this is what the code can do. Unfortunately the division part it happened to be like what described earlier. 221 operates with BBC and 134 operates with EGH therefore the output has 4 rows which is not what I want.

我有一个 theano 协方差矩阵，我正在尝试计算它的元素平方。我已经为此编写了以下代码：

其中 cov 是协方差矩阵，计算如下：

但它抛出以下错误：

我知道这很简单，但仍然找不到可能的解决方法。请在这方面帮助我。

我有一个匹配滤波器，我想在 Matlab 中绘制它的频率响应。

滤波器响应为：H(f) =

我试图用以下方式绘制它：

这不起作用，给了我“矩阵尺寸必须同意”的错误。然后我读到了“element-wise power”，它似乎完全符合我的需要，并改为H：

这确实有一些情节，只是不是我想要的:)我也试过了

没有运气。我让它工作的唯一方法是：

为什么“元素方面的力量”对我不起作用？

不仅如此 - 常规操作与“元素操作”之间到底有什么区别？因为，例如，在这里：An Introduction to Matlab，有这样的情节：

然后这个：

我无法分辨它们之间的任何区别。为什么第一个不需要“元素操作”，而第二个需要？

谢谢。

我一直在网站上寻找我的问题的答案，而且我是 R 的新手，所以我希望这甚至是可能的。我有两个大型模拟矩阵（A = 100,000 x 50 和 B = 10,000 x 50），我想将它们随机逐行相乘。

本质上，我希望 A 中的每一行从 B 中随机选择一行进行元素乘法。

A：

和乙：

是否有一个运算符可以遍历 A 的行并从 B 中随机选择一行来配对以进行元素乘法？对于这样的结果：

谢谢！

我正在研究 C，使用 GNU 库进行科学计算。本质上，我需要执行以下 MATLAB 代码的等效操作：

其中 x 是 gsl_vector，A 是 gsl_matrix。

我设法使用以下命令执行 (A*x)：

其中 res 是另一个 gsl_vector，它存储结果。如果矩阵 A 的大小为 m * m，向量 x 的大小为 m * 1，则向量 res 的大小为 m * 1。

现在，剩下要做的是向量 x 和 res 的元素乘积（结果应该是向量）。不幸的是，我被困在这个问题上，找不到执行此操作的功能。

如果有人可以帮助我，我将不胜感激。另外，有谁知道是否有更好的 GNU 文档而不是不是https://www.gnu.org/software/gsl/manual/html_node/GSL-BLAS-Interface.html#GSL-BLAS-Interface让我很困惑。

最后，如果我通过简单地使用 for 循环来执行此步骤（向量的大小约为 11000 并且此步骤将重复 500-5000 次），我是否会失去时间性能？

谢谢！

我有一个包含不同类型变量（双精度和字符串）的单元格，我想对单元格中的数字元素进行四舍五入。 round函数只能与数组一起使用，不能与单元格一起使用，所以我正在尝试使用cell2mat- 但如果单元格中的元素类型不同，则不能使用此函数。

知道如何舍入此单元格中的数字元素吗？当然，我不想对单元格元素进行循环。

在我的 matlab 程序中，我有几个实例需要创建一个矩阵，哪些条目取决于它的索引并用它执行矩阵向量运算。我想知道如何最有效地实现这一点。

例如，我需要加快速度：

我试图加快速度，所以我尝试了以下选项：

和

和（感谢其中一个答案）

Otion 2 是最有效的。是否有更快的选择来执行此操作？

更新：

我也尝试了 Abhinav 的选项：

似乎最有效的过程取决于 N 的大小。对于不同的 NI，得到以下输出：

N = 100：

N = 10000：

因此，对于小的 N，选项 2 是最慢的，但对于较大的 N，它变得最有效。也许是因为内存？有人可以解释一下吗？

我一直在尝试让一个简单的 sigmoid 函数在 matlab 中工作，它似乎只适用于矩阵的第一个元素。

我的代码是：

现在它适用于简单的值，例如：

但是对于：`

它给了我：

调查 'exp' 它说它是一个元素操作，所以我不确定我哪里出错了。任何帮助，将不胜感激。:)

鉴于这种...

我必须解释这段代码的作用，知道它使用广播和元素明智的操作概念执行 F 的矢量化评估......

我的解释是：

在函数 F 的第一行中，接收 x_pos 和 alpha 作为参数（都是 numpy 数组），在第二行中，矩阵 D 是通过广播计算的（数组 numpy 中的加法等基本操作是按元素执行的，即元素由元素，但是如果 numpy 可以将它们转换为相同大小的其他数组，则也可以使用不同大小的数组，这种转换称为广播），用另一个 Nx1 阶的数组减去 1xN 阶的数组，得到阶矩阵 D NxN 包含 x_j - x_1、x_j - x_2 等作为元素，最后，在最后一行计算 alpha 的倒数（这显然是一种排列），其中每个元素乘以每个单元格的 R 评估的总和矩阵 D 乘以 alpha_j 水平（由于参数中的轴 = 1）

问题：

1. 考虑到我是 Python 新手，我的解释可以吗？
2. 代码有没有错误？因为我没有看到代码中考虑了每个总和中的“j 必须不同于 1、2、...、n”...如果它实际上是错误的...我该如何解决代码，所以它做的事情与图像中所述的完全一样吗？

是否有类似于 MATLAB“cellfun”的 python 或 numpy 方法？我想将一个函数应用于一个对象，该对象是一个具有约 300k 个不同长度单元的 MATLAB 单元数组。

一个非常简单的例子：