问题标签 [elementwise-operations]

我正在尝试使用 numpy 绘制一些复杂的函数。一些工作代码的示例：

但是，假设我希望函数 f 在其中进行简单的比较，如下所示：

我得到错误

对于 np.abs(q) < 4 检查。

我做了一些挖掘并意识到这是因为 Python 正在对整个 r 数组进行操作，它无法将数组与整数进行比较。因此，我尝试寻找进行元素比较的方法。

这个页面看起来很有希望：它说我可以使用 np.less(a, b) 进行元素比较，所以我尝试了

并得到相同的ValueError。似乎 np.less() 的两个参数都需要是相同大小的数组。

我想要的是将数组的每个元素与单个非数组数量进行比较。我想我可以制作一个相同大小的虚拟数组，其中填充相同的 4，但必须有一种更优雅的方式来做到这一点。

我有两个DataFrame对象，我想在每一行上应用逐元素乘法：

我以为我可以做到DataFrame.apply()

这给了我：

或与

这给了我：

但它不起作用。但是，我可以这样做：

我在这里做错了什么？

我正在尝试对张量执行逻辑元素操作，但似乎 "and" 关键字执行逻辑or，而 "or" 关键字执行逻辑and：

我期待 c 成为，因为只有在 a和b 都等于[1,0,0]1 的位置才有 1 才有意义。我也期待 d 成为，因为这些是 a或b 等于 1的位置。令我惊讶的是，结果完全相反！有什么解释吗？[1,1,0]

我有两个 pandas DataFrame，其中一个具有索引和列，它们是另一个的子集。例如：

DF1 =

DF2 =

我想要的是通过匹配索引和列来进行元素乘法。ie onlyDF1[20170103]['c']将乘以DF2[20170103]['c']等。

DF1生成的 DF 应与较大的 ( )具有相同的维度，并将缺失值DF2设置为原始DF1值：

result DF =

最好/最快的方法是什么？现实生活中的矩阵很大，而 DF2 相对稀疏。

我想比较这两个数组的元素，我只想将 n 添加到 z 的那些与 x 不同的元素。

答案应该是：

我想比较数组 z 和 x 元素，我只想将 n 添加到 y 中 z 和 x 的元素不同的那些元素。在z和x的元素不同的情况下，我在indices_of_y指示的索引位置给y的元素加上n。

答案应该是：

我有一个数据框：

我有一个系列

我想运行一个逐元素max()函数并s沿df. 换句话说，我想得到

做这个的最好方式是什么？我已经检查了单列比较和系列到系列的比较，但还没有找到一种有效的方法来针对系列运行数据框。

奖励：不确定答案是否从上面不言而喻，但是如果我想s沿着（假设尺寸匹配）的行对齐怎么办？df

I have some array deep_array that's deep in a hash and takes time to access, I also have a variable (my_local_variable) pointing to deep_array and some other local array new_array. I need to set deep_array to new_array through my_local_variable.

Something equivalent to one of these:

but much faster

Edit: speed

This is a rough idea of the situation I'm dealing with:

(in reality it's deeper but i'm doing fewer writes)

Gives:

我有一个a形状为 (32,3,5,5) 的多维数组和v一个形状为 (32,) 的数组。我如何使用除 for 循环以外的 numpy 将 (i,3,5,5) 与 (i,) 相乘？

我有一个两个矩阵 F(shape = (4000, 64)) 和 M(shape=(4000,9)) 并且希望得到 shape = (4000,64*9) 的结果

我可以用下面的代码来思考 for 循环（理想）

但我知道 tensorflow 不支持 For Loop

是否有与上述代码执行相同功能的函数？

编辑）

我想出了一个主意。F,M 重复形状 (4000,64*9) [如 MATLAB 中的 repmat] 并按元素相乘。你还能有其他想法吗？