问题标签 [numpy-ndarray]

A numpy matrix can be reshaped into a vector using reshape function with parameter -1. But I don't know what -1 means here.

For example:

The result of b is: matrix([[1, 2, 3, 4, 5, 6, 7, 8]])

Does anyone know what -1 means here? And it seems python assign -1 several meanings, such as: array[-1] means the last element. Can you give an explanation?

在 Python 中，如何创建一个任意形状的 numpy 数组，其中填充全部为 True 或全部为 False？

有人可以准确解释一下axisNumPy 中的参数的作用吗？

我非常困惑。

我正在尝试使用该功能myArray.sum(axis=num)

起初我认为如果数组本身是 3 维，axis=0将返回三个元素，由同一位置的所有嵌套项的总和组成。如果每个维度包含五个维度，我希望axis=1返回五个项目的结果，依此类推。

然而事实并非如此，文档并没有很好地帮助我（他们使用 3x3x3 数组，所以很难说出发生了什么）

这是我所做的：

显然，结果并不直观。

例如，如果我有两个 numpy 一维数组

如何将这些压缩到 Numpy 2D 坐标数组中？如果我做：

结果是列表类型，而不是 Numpy 数组。所以我有

等等..有没有更简单的方法，我不需要调用np.asarray每个坐标？是否有返回 Numpy 数组的 Numpy zip 函数？

两个函数都返回相同的列表。那么执行相同工作的两个不同功能需要什么。

当我尝试

结果给了我一个 x 轴从 0 到 1 的二维图框。但是，当我尝试使用numpy.newaxis切片向量时，

除了将行向量更改为列向量之外，是否相同？

一般情况下，有什么用numpy.newaxis，应该在什么情况下使用呢？

我想用 datatyp uint8 添加 numpy 数组。我知道这些数组中的值可能大到足以发生溢出。所以我得到类似的东西：

现在，a 是[150 250 44]。但是，我希望对于 uint8 来说太大的值而不是溢出，而不是 uint8 允许的最大值。所以我想要的结果是[150 250 255]。

我可以使用以下代码得到这个结果：

问题是，我的数组非常大，因此创建具有更大数据类型的第三个数组可能是内存问题。是否有一种快速且内存效率更高的方法来实现所描述的结果？

假设我有一个 1d numpy 数组

我想将其编码为 2D one-hot 数组

有没有快速的方法来做到这一点？比循环a设置 的元素更快b，也就是说。

执行

结果是

为什么它报告轴 1 超出范围？

有人可以向我解释meshgridNumpy 中函数的目的是什么吗？我知道它为绘图创建了某种坐标网格，但我看不到它的直接好处。

我正在学习 Sebastian Raschka 的“Python 机器学习”，他正在使用它来绘制决策边界。请参见此处的输入 11 。

我也尝试过官方文档中的这段代码，但是，输出对我来说真的没有意义。

如果可能的话，请给我展示很多真实世界的例子。