问题标签 [numpy]

我有这行 MATLAB 代码：

我正在使用这些输入：

这是结果（一个 1x25 矩阵）：

MATLAB 在做什么？我试图在 Python 中复制这种行为，而mrdivideMATLAB 中的文档没有帮助。5 来自哪里，为什么其余的值都是 0？

我已经尝试使用其他输入并收到类似的结果，通常只是一个不同的第一个元素和零填充矩阵的其余部分。在 Python 中，当我使用 时linalg.lstsq(b.T,a.T)，返回的第一个矩阵中的所有值（即不是单数）都是 0.2。我已经在 Python 中尝试过正确的除法，它完全给出了错误尺寸的东西。

我了解最小二乘近似是什么，我只需要知道mrdivide在做什么。

有关的：

• 数组除法 - 从 MATLAB 转换为 Python

这应该很容易。

这是我的数组（而是一种生成代表性测试数组的方法）：

我想要一个字符串列表，其中 '\n'.join(list_o_strings) 将打印：

我想在左侧和右侧放置空格（但没有必要）。

如果这就是小数点后的全部内容，我想要小数点后的零。

我不想要科学记数法。

..而且我不想丢失任何有效数字。（在 353.98000000000002 中，2 不重要）

是的，很高兴想要..

Python 2.5's%g, %fx.x等要么让我迷惑，要么做不到。我还没试过import decimal。我也看不到NumPy这样做（尽管array.__str__andarray.__repr__是十进制对齐的（但有时返回科学）。

哦，速度很重要。我在这里处理大数组。

我目前的解决方法是：

1. 到 str(a) 并解析 NumPy 的括号
2. 到 str(e) 数组中的每个元素和 split('.') 然后填充和重建
3. 到 a.astype('S'+str(i)) 其中 i 是 max(len(str(a)))，然后填充

似乎应该有一些现成的解决方案......（但不是必需的）

dtype当是 float64时，最佳建议失败：

有没有更好的方法来找到哪个X给了我我在 SciPy 中寻找的Y ？我刚开始使用 SciPy，对每个功能都不太熟悉。

NumPy是一个非常有用的库，通过使用它，我发现它能够轻松处理非常大（10000 x 10000）的矩阵，但开始与任何更大的矩阵作斗争（试图创建一个 50000 x 50000 的矩阵失败）。显然，这是因为大量的内存需求。

有没有办法以某种方式（没有几 TB 的 RAM）在 NumPy 中本地创建巨大的矩阵（比如 100 万乘 100 万）？

我是 Python 和 Numpy 的新手，我遇到了一个问题，即在应用于蒙面视图时，我无法修改 numpy.recarray。我从文件中读取recarray，然后创建两个蒙版视图，然后尝试修改for循环中的值。这是一个示例代码。

但是当我打印结果时

文件中的所有 scale_means 仍然为零。

我一定做错了什么。是否有修改视图值的正确方法？是因为我一个一个地应用两个视图吗？

谢谢你。

我想用一些 Python 库来代替 MATLAB。如何在 Python 中导入 Excel 数据（例如使用NumPy）来使用它们？

我不知道 Python 是否是 MATLAB 的可靠替代品，但我想尝试一下。有教程吗

我正在使用一个大矩阵（250x250x30 = 1,875,000 个单元格），我想要一种方法来为这个矩阵中的每个单元格设置任意数量的标志，以某种易于使用和合理的空间效率的方式。

我最初的计划是一个 250x250x30 的列表数组，其中每个元素类似于：["FLAG1","FLAG8","FLAG12"]. 然后我将其更改为仅存储整数：[1,8,12]. 这些整数由 getter/setter 函数在内部映射到原始标志字符串。这仅使用 250mb，每点有 8 个标志，这在内存方面很好。

我的问题是：我是否错过了另一种构建此类数据的明显方法？

谢谢大家的建议。我最终将一些建议合二为一，遗憾的是我只能选择一个答案，并且不得不接受其他人的支持：

编辑： erm 我在这里的初始代码（使用集合作为 3d numpy 数组的基本元素）使用了很多内存。这个新版本在填充randint(0,2**1000).

在一个 pylab 程序（也可能是一个 matlab 程序）中，我有一个代表距离的数字数组：d[t]是时间的距离t（我的数据的时间跨度是len(d)时间单位）。

我感兴趣的事件是距离低于某个阈值时，我想计算这些事件的持续时间。很容易得到一个布尔数组，b = d<threshold问题归结为计算b. 但我不知道如何有效地做到这一点（即使用 numpy 原语），我求助于遍历数组并进行手动更改检测（即当值从 False 变为 True 时初始化计数器，只要值为 True 就增加计数器，并在值返回 False 时将计数器输出到序列）。但这非常慢。

如何有效地检测 numpy 数组中的那种序列？

下面是一些说明我的问题的python代码：第四个点需要很长时间才能出现（如果没有，请增加数组的大小）

scipy（或其他流行的库）中是否有基于 FFT 的 2D 互相关或卷积函数？

有这样的功能：

• scipy.signal.correlate2d- “直接方法实现的convolveND大数据会很慢”
• scipy.ndimage.correlate- “使用精确计算（即非 FFT）将数组与给定内核相关联。”
• scipy.fftpack.convolve.convolve，我不太明白，但似乎是错误的

numarray 有一个带switch的correlate2d()函数fft=True，但我猜 numarray 被折叠成 numpy，我找不到这个函数是否包含在内。

我在我的 python 程序中使用 cython 进行相关性计算。我有两个音频数据集，我需要知道它们之间的时间差。第二组根据开始时间进行切割，然后滑过第一组。有两个 for 循环：一个滑动集合，内部循环计算该点的相关性。这种方法效果很好，而且足够准确。

问题是，对于纯 python，这需要超过一分钟。使用我的 cython 代码，大约需要 17 秒。这还是太多了。您是否有任何提示如何加速此代码：