问题标签 [numpy]

问题： 我想传入不等式约束。考虑到我有 6 个参数

在Initial值中，我的约束是：

但这不能正常工作。我不知道错误是什么。有没有更好的方法将我的约束作为函数传递？请帮我。

如何在我的系统上安装 SciPy？

对于 NumPy 部分（SciPy 依赖），实际上有一个 64 位 Windows 的安装程序：numpy-1.3.0.win-amd64-py2.6.msi（是直接下载 URL，2310144 字节）。

运行 SciPy superpack 安装程序会在对话框中显示此消息：

无法安装。需要 Python 版本 2.6，但在注册表中未找到。

我已经安装了 Python 2.6.2（并在其中安装了工作的 Django），但我不知道任何 Registry 故事。

注册表项似乎已经存在：

到目前为止我做了什么：

第1步

下载了 NumPy superpack 安装程序 numpy-1.3.0rc2-win32-superpack-python2.6.exe（直接下载 URL，4782592 字节）。运行此安装程序会导致相同的消息“无法安装。需要 Python 版本 2.6，在注册表中找不到。”。 更新：实际上有一个适用于 NumPy 的安装程序 - 请参阅问题的开头。

第2步

尝试以另一种方式安装 NumPy。下载了zip包numpy-1.3.0rc2.zip（直接下载地址，2404011字节），将zip文件正常解压到临时目录D:\temp7\numpy-1.3.0rc2（其中setup.py和README .txt 是）。然后我打开了一个命令行窗口，然后：

这运行了很长时间，还包括使用 cl.exe（Visual Studio 的一部分）。这是一个近 5000 行长的 成绩单(230 KB)。

这似乎奏效了。我现在可以在 Python 中执行此操作：

结果：

第 3 步

下载了 SciPy superpack 安装程序，scipy-0.7.1rc3-win32-superpack-python2.6.exe（直接下载 URL，45597175 字节）。运行此安装程序会导致开头列出的消息

第4步

尝试以另一种方式安装 SciPy。下载了zip包scipy-0.7.1rc3.zip（直接下载地址，5506562字节），将zip文件正常解压到一个临时目录D:\temp7\scipy-0.7.1（其中setup.py和README .txt 是）。然后我打开了一个命令行窗口，然后：

这并没有取得太大的成就 - 这是一个成绩单（大约 95 行）。

它失败了：

平台：Python 2.6.2 安装在目录 D:\Python262，Windows XP 64 位 SP2，8 GB RAM，安装 Visual Studio 2008 专业版。

安装的 Python 的启动画面是：

PATH 的值，来自命令行窗口中的 SET：

我在安装 Numpy 和 Scipy 时遇到问题

http://www.scipy.org/Installing_SciPy/Windows

我去了下载页面并下载了 Python26 的 .exe 文件。我的机器上有 Python26。安装后我试了

如何进行？

我正在处理大型矩阵，所以我使用的是 NumPy 的 memmap。但是，我收到一个错误，因为 memmap 使用的文件描述符显然没有被关闭。

据我了解，调用 close() 方法时会关闭 memmap 文件。但是，上面的代码不能永远循环，因为它最终会抛出“ [Errno 24] Too many open files ”错误：

有人知道我在忽略什么吗？

如何检查我使用的是哪个版本的 NumPy？

如何将 Numpy 更新为最新版本？我应该从这里下载 .dmg 文件吗：

http://sourceforge.net/projects/numpy/files/

这个 .dmg 仅适用于 10.5 吗？我已经使用以下说明安装了 numpy：

http://www.scipy.org/Installing_SciPy/Mac_OS_X

我目前的 Numpy 是 1.2.1。我在 Mac OS X 10.6.1 Snow Leopard 上运行。谢谢！

我想为模块创建的类似数字的对象提供“所有”数学函数（该uncertainties.py模块执行错误传播的计算）——这些对象是具有不确定性的数字。

做这个的最好方式是什么？

math目前，我重新定义了模块中的大部分函数uncertainties.py，​​以便它们处理不确定的数字。一个缺点是用户想做from math import *必须做完之后再做import uncertainties。

然而，与 NumPy 的交互仅限于基本操作（可以添加具有不确定性的数字数组等）；它（还）不包括更复杂的函数（例如 sin()），这些函数可以在包含不确定数字的 NumPy 数组上工作。到目前为止，我采取的方法包括建议用户定义sin = numpy.vectorize(math.sin)，以便将新math.sin函数（适用于具有不确定性的数字）广播到任何 Numpy 数组的元素。一个缺点是这必须为用户感兴趣的每个功能完成，这很麻烦。

那么，扩展数学函数的最佳方法是什么，sin()以便它们可以方便地处理简单的数字和 NumPy 数组？

NumPy 选择的方法是定义自己的numpy.sin，而不是修改math.sin它以使其与 Numpy 数组一起使用。我应该为我的uncertainties.py模块做同样的事情，并停止重新定义math.sin吗？

此外，什么是最有效和最正确的定义方法，sin以便它适用于简单数字、具有不确定性的数字和 Numpy 数组？我的重新定义math.sin已经处理了简单的数字和不确定的数字。但是，在“常规” NumPy 数组上对其进行矢量化numpy.vectorize可能比numpy.sin.

我有一系列需要在 Python 中分析的实验输出的大型文本文件（最多 1 gig）。最好将它们加载到 2D numpy 数组中，这提出了第一个问题：

• 由于在加载开始时行数是未知的，如何才能最有效地逐行构建一个非常大的 numpy 数组？

简单地将行添加到数组中在内存方面效率低下，因为两个大数组会暂时共存。如果您使用numpy.append. 这些stack功能很有希望，但理想情况下，我希望将阵列扩大到位。

这就引出了第二个问题：

• 观察大量使用 numpy 数组的 Python 程序的内存使用情况的最佳方法是什么？

为了研究上述问题，我使用了常用的内存分析工具——heapy 和 pymler——但我只获得了外部数组对象的大小（80 字节），而不是它们包含的数据。除了粗略地测量 Python 进程正在使用多少内存之外，随着数组的增长，我如何才能获得数组的“完整”大小？

本地详细信息：OSX 10.6、Python 2.6，但欢迎使用通用解决方案。

有人可以指出我在这里做错了吗？

输出是：

有时将行或列向量“克隆”到矩阵中很有用。通过克隆，我的意思是转换行向量，例如

成矩阵

或列向量，例如

进入

在 MATLAB 或 octave 中，这很容易完成：

我想在 numpy 中重复这个，但没有成功

为什么第一种方法 ( In [16]) 不起作用？有没有办法以更优雅的方式在 python 中完成这项任务？