问题标签 [numpy-ndarray]

好吧，我正在尝试将 PIL 图像对象来回转换为 numpy 数组，这样我就可以进行比 PILPixelAccess对象允许的更快的逐像素转换。我已经想出了如何通过以下方式将像素信息放置在有用的 3D numpy 数组中：

但是在我完成了所有很棒的转换之后，我似乎无法弄清楚如何将它加载回 PIL 对象中。我知道这种putdata()方法，但似乎无法让它发挥作用。

与常规 Python 列表相比， NumPy有哪些优势？

我有大约 100 个金融市场系列，我将创建一个 100x100x100 = 100 万个单元格的立方体数组。我将对每个 x 与每个 y 和 z 进行回归（3 变量），以用标准误差填充数组。

我听说对于“大型矩阵”，出于性能和可扩展性的原因，我应该使用 NumPy 而不是 Python 列表。问题是，我知道 Python 列表，它们似乎对我有用。

如果我迁移到 NumPy 会有什么好处？

如果我有 1000 个系列（即立方体中有 10 亿个浮点单元）怎么办？

有没有一种方便的方法来计算序列或一维 numpy 数组的百分位数？

我正在寻找类似于 Excel 的百分位函数的东西。

我查看了 NumPy 的统计参考，但找不到这个。我能找到的只是中位数（第 50 个百分位数），但没有更具体的东西。

我有两个不同形状的 numpy 数组，但长度相同（前导维度）。我想对它们中的每一个进行洗牌，以使相应的元素继续对应——即根据它们的前导索引统一洗牌。

此代码有效，并说明了我的目标：

例如：

然而，这感觉笨重、低效且缓慢，并且需要制作数组的副本——我宁愿将它们就地洗牌，因为它们会很大。

有没有更好的方法来解决这个问题？更快的执行和更低的内存使用是我的主要目标，但优雅的代码也会很好。

我的另一个想法是：

这行得通......但它有点可怕，因为我看不到它会继续工作 - 例如，它看起来不像保证在 numpy 版本中存活的那种东西。

NumPy 提出了一种通过 获取数组最大值索引的方法np.argmax。

我想要类似的东西，但返回N最大值的索引。

例如，如果我有一个数组，[1, 3, 2, 4, 5],function(array, n=3)将返回[4, 3, 1]对应于元素的索引[5, 4, 3]。

我在NumPy中有两个简单的一维数组。我应该能够使用numpy.concatenate连接它们。但我收到以下代码的此错误：

TypeError：只有长度为 1 的数组可以转换为 Python 标量

代码

为什么？

我想转换a = [1,2,3,4,5]成a_string = "1 2 3 4 5". 真正的 numpy 数组非常大（50000x200），所以我认为使用for loops速度太慢。

有这个你如何将列表分成大小均匀的块？ 用于将数组拆分为块。无论如何，对于使用 Numpy 的巨型阵列，是否可以更有效地执行此操作？

ndarrayNumpy和Numpy有什么区别array？我在哪里可以找到 numpy 源代码中的实现？

通常在使用 numpy 时，我发现这种区别很烦人——当我从矩阵中取出一个向量或一行，然后用np.arrays 执行操作时，通常会出现问题。

为了减少头痛，为了简单起见，我有时只是使用np.matrix（将所有 np.arrays 转换为np.matrix）。但是，我怀疑会有一些性能影响。任何人都可以评论那些可能是什么以及原因吗？

似乎它们都只是引擎盖下的数组，那么元素访问只是获取值的偏移量计算，所以如果不阅读整个源代码，我不确定可能会有什么区别。

更具体地说，这对性能有何影响：

谢谢