scientific-computing相关内容
我想使用Eigen计算稀疏矩阵的Cholesky分解。然而,结果是不正确的,我找不到原因。如何获得正确答案? 在Eigen中是否实现了特殊的例程来利用稀疏矩阵的结构来提高性能(例如,对于下例中的带状矩阵或三角矩阵)? #include #include #include int main() {
..
我有两个表:一个是深度表,另一个是叶绿素表,它们是相互对应的。我想要平均每0.5米深度的叶绿素数据。 chl = [0.4,0.1,0.04,0.05,0.4,0.2,0.6,0.09,0.23,0.43,0.65,0.22,0.12,0.2,0.33] depth = [0.1,0.3,0.31,0.44,0.49,1.1,1.145,1.33,1.49,1.53,1.67,1.79,1
..
我有大约 500 个 HDF5 文件,每个文件大约 1.5 GB. 每个文件都具有相同的精确结构,即 7 个复合(int、double、double)数据集和可变数量的样本. 现在我想通过连接每个数据集来连接所有这些文件,这样最后我就有一个包含 7 个数据集的 750 GB 文件. 目前我正在运行一个 h5py 脚本: 创建一个具有无限最大值的正确数据集的 HDF5 文
..
我目前正在使用 SciPy.integrate.ode.我需要能够轻松地向系统添加物种和反应,因此我必须编写一些非常通用的代码.我的方案如下所示: class 反应(对象):def __init__(self):#所有反应的共同点def __getReactionRate(self, **kwargs):引发 NotImplementedError... 反应子类... 实施特定类型的反应类物种
..
动机:我有一个多维积分,为了完整起见,我在下面复制了它.它来自于存在显着各向异性时的第二维里系数的计算: 这里 W 是所有变量的函数.这是一个已知的函数,我可以为它定义一个 python 函数. 编程问题: 如何让 scipy 整合这个表达式?我正在考虑链接两个三重四边形(scipy.integrate.tplquad) 在一起,但我担心性能和准确性.scipy 中是否有更高维的积分器
..
我很好奇 F# 的性能与 C++ 的性能相比如何?我问了一个关于 Java 的类似问题,我得到的印象是 Java 不适合大量的数字运算. 我读到 F# 应该具有更高的可扩展性和更高的性能,但与 C++ 相比,这种实际性能如何?有关当前实施的具体问题是: 它在浮点运算上的表现如何? 是否允许向量指令 它对优化有多友好编译器? 它的内存占用有多大?它是否允许对内存局部性进行细粒度控制
..
我在这里遇到了一个问题(我的 RAM):它无法保存我想要绘制的数据.我确实有足够的高清空间.有什么解决方案可以避免我的数据集出现“阴影"? 具体来说,我处理数字信号处理,我必须使用高采样率.我的框架(GNU Radio)以二进制形式保存这些值(以避免使用过多的磁盘空间).我打开它.之后我需要绘图.我需要可缩放和交互式的绘图.这是一个问题. 这是否有任何优化潜力,或者其他可以处理更大数据
..
是否有更有效的方法在预先指定的 bin 中取数组的平均值?例如,我有一个数字数组和一个对应于该数组中 bin 开始和结束位置的数组,我只想取这些 bin 中的平均值?我有下面的代码,但我想知道如何减少和改进它.谢谢. from scipy import *从 numpy 导入 *def get_bin_mean(a, b_start, b_end):ind_upper = 非零(a >= b_s
..
我有两个轨道发生在不同的高度.我在 3D 中绘制它们,但我希望将它们与一个表面连接在一起.到目前为止,我有这张照片: 我使用这个脚本: 将 numpy 导入为 np导入 matplotlib导入 matplotlib.pyplot 作为 plt从 mpl_toolkits.mplot3d 导入 Axes3D字体 = {'大小':18}matplotlib.rc('字体', **font)f
..
我正在尝试在我的 ubuntu 机器上执行繁重的科学计算.代码是用 Python 编写的,并被标记为可执行文件.然而,大约一小时后,计算终止,除了“终止"之外没有任何错误消息,就好像系统只是运行了命令“killall python". 为什么 ubuntu 会终止我的计算?没有无限循环,解收敛得很好(但程序有一部分需要优化). 谢谢! 解决方案 仅从您提出的问题来看,很难确定可
..
如何让 sympy.solve 不返回负解? 这似乎与向我正在求解的符号添加像 positive=True 这样的约束不同.虽然 import sympyx = sympy.symbols("x")打印(sympy.solve(x**2-4,x))x = sympy.symbols("x", 正=真)打印(sympy.solve(x**2-4,x)) 印刷品 [-2, 2][2] 正
..
我需要 Python/Numpy 等效的 Matlab (Octave) 离散拉普拉斯算子(函数)del2().我尝试了几个 Python 解决方案,但似乎没有一个与 del2 的输出匹配.在八度音阶上我有 image = [3 4 6 7;8 9 10 11;12 13 14 15;16 17 18 19]del2(图像) 这给出了结果 0.25000 -0.25000 -0.25000
..
如何根据 Pandas 数据框中的数据计算主成分分析? 解决方案 大多数 sklearn 对象与pandas 数据帧就好了,这样的东西对你有用吗? 将pandas导入为pd将 numpy 导入为 np从 sklearn.decomposition 导入 PCAdf = pd.DataFrame(data=np.random.normal(0, 1, (20, 10)))pca = PCA
..
我一直在寻找实现常用技术的python模块 全局优化(在 N 维中找到函数的全局最小值)没有成功. 如果您听说过在 python 中实现模拟退火或遗传算法,请分享. 解决方案 Scipy 的 optimize 模块有一个 dual_annealing 函数可能适合您的需求.此外,您应该查看 PyEvolve 模块以进行遗传算法.
..
我正在进行分子动力学模拟.它由数值积分、许多 for 循环、操作大型 NumPy 数组组成.我尽可能地尝试使用 NumPy 函数和数组.但是代码还是太慢了.我想使用 numba jit 作为加速.但它总是抛出错误消息. 这是代码. # -*- 编码:utf-8 -*-"""创建于 2020 年 3 月 28 日星期六 12:10:42@作者:桑迪班"""将 numpy 导入为 np导入 m
..
目前,我正在使用Spyder并使用matplotlib进行绘图.我有两个监视器,一个用于开发,另一个用于(数据)浏览和其他内容.由于我正在做一些计算并且我的代码经常更改,我经常(重新)执行代码并查看图表以检查结果是否有效. 有什么办法可以将我的 matplotlib 图放在第二台显示器上并从主显示器刷新它们? 我已经搜索了解决方案,但找不到任何东西.这对我真的很有帮助! 以下是一
..
输入是512 x 512像素的uint16灰度.tif图像.就像这个问题的标题所暗示的那样,我想计算blob_log方法标识的blob的平均像素强度(请参阅:
..
我正在编写一个cython应用程序,需要在紧密的嵌套循环中即时生成一个高斯随机变量.我想这样做而不会引入任何额外的依赖关系,例如,对GSL的依赖. 对于当前我可以使用均匀随机数字即时实现的方法的最低版本: 来自libc.stdlib cimport rand,RAND_MAX的 将numpy导入为npcdef double random_uniform():cdef double r =
..
我有两个不同高度的轨道.我以3D方式绘制它们,但希望将它们与曲面连接在一起.到目前为止,我有这张照片: 解决方案 您将需要找到将第一个轨道的ith点连接到第二个轨道的ith点的直线的方程.然后,您可以使用i和z作为参数,在所有可能的值上变化以找到X和Y. 示例: 将numpy导入为np导入matplotlib导入matplotlib.pyplot作为plt从mpl_toolkits
..
我正在将大量的小型数据集写入HDF5文件,结果文件大小大约是我对所放入数据的幼稚制表所期望的10倍.我的数据按层次结构进行组织,如下所示: group 0 -> subgroup 0 -> dataset (dimensions: 100 x 4, datatype: float) -> dataset (dimensions: 100, dataty
..