在 Python 中有效地获取直方图 bin 的索引
简短问题 我有一个大的 10000x10000 元素图像，我将其分为数百个不同的扇区/bin.然后我需要对每个 bin 中包含的值执行一些迭代计算. 如何提取每个 bin 的索引以使用 bin 值有效地执行计算? 我正在寻找的是一种解决方案，它可以避免每次 ind == j 从我的大数组中进行选择的瓶颈.有没有办法一次性直接获取属于每个 bin 的元素的索引? 详细说明
..
scipy相关内容
扩展(添加行或列)一个 scipy.sparse 矩阵
假设我有一个来自 scipy.sparse 的 NxN 矩阵 M(lil_matrix 或 csr_matrix)，我想将其设为 (N+1)xN，其中 M_modified[i,j] = M[i,j] 为 0 解决方案 我认为没有什么方法可以真正避免复制.这两种类型的稀疏矩阵在内部都将它们的数据存储为 Numpy 数组(在 csr 的数据和索引属性中以及在 lil 的数据和行属性中)并且 Nu
..
求点到复杂曲线的最小距离
我有一个复杂的曲线，定义为表格中的一组点(完整表格是这里): # x y1.0577 12.09141.0501 11.99461.0465 11.9338... 如果我使用以下命令绘制此表: plt.plot(x_data, y_data, c='b',lw=1.)plt.scatter(x_data, y_data, 标记='o', color='k', s=10, lw=0.2) 我
..
如何使用 SciPy/Numpy 过滤/平滑?
我正在尝试过滤/平滑从采样频率为 50 kHz 的压力传感器获得的信号.示例信号如下所示: 我想在 MATLAB 中获得由 loess 获得的平滑信号(我没有绘制相同的数据，值不同). 我使用 matplotlib 的 psd() 函数计算了功率谱密度，下面还提供了功率谱密度: 我尝试使用以下代码并获得过滤信号: 导入csv将 numpy 导入为 np导入 matplotlib
..
Python:具有非线性最小二乘法的双曲线高斯拟合
我的数学知识有限，这就是我可能被卡住的原因.我有一个光谱，我试图拟合两个高斯峰.我可以适应最大的峰，但我不能适应最小的峰.我知道我需要对两个峰值的高斯函数求和，但我不知道我哪里出错了.显示了我当前输出的图像: 蓝线是我的数据，绿线是我当前的拟合.我的数据中的主峰左侧有一个肩部，我目前正在尝试使用以下代码对其进行拟合: 导入 matplotlib.pyplot 为 pt将 numpy 导入为
..
从 numpy 数组列表创建 numpy 数组的 Pythonic 方法
我在循环中生成一维 numpy 数组的列表，然后将此列表转换为二维 numpy 数组.如果我提前知道项目的数量，我会预先分配一个 2d numpy 数组，但我没有，因此我将所有内容都放在一个列表中. 模型如下: >>>list_of_arrays = map(lambda x: x*ones(2), range(5))>>>list_of_arrays[数组([ 0., 0.]), 数组(
..
具有分组边界的 SciPy 优化
我正在尝试执行投资组合优化，返回使我的效用函数最大化的权重.我可以很好地完成这部分，包括权重总和为 1 的约束，并且权重也给我一个目标风险.我还包括了 [0
..
从麦克风生成频谱图
下面的代码将从麦克风获取输入，如果音频块的平均值超过某个阈值，它将生成音频块的频谱图(长度为 30 毫秒).以下是正常对话中生成的频谱图的样子: 从我所看到的，这看起来不像我期望的频谱图在给定音频和环境的情况下看起来像什么.我期待更像以下内容(转置以保留空间): 我正在录音的麦克风是我的 Macbook 上的默认麦克风，有什么关于哪里出了问题的建议吗? record.py: 导
..
scipy 最小化约束
我知道这个问题应该在scipy.optimize的手册中处理，但我对它的理解不够好.也许你能帮上忙 我有一个函数(这只是一个例子，不是真正的函数，但我需要在这个层面上理解它): 编辑(更好的例子): 假设我有一个矩阵 arr = array([[0.8, 0.2],[-0.1, 0.14]]) 带有目标函数 def matr_t(t):返回数组([[t[0], 0],[t[
..
给定来自 Python 分布的样本列表，如何计算值的概率?
不确定这是否属于统计数据，但我正在尝试使用 Python 来实现这一点.我基本上只有一个整数列表: data = [300,244,543,1011,300,125,300 ... ] 我想知道给定这些数据的值出现的概率.我使用 matplotlib 绘制了数据的直方图并获得了这些: 在第一个图中，数字表示序列中的字符数.在第二张图中，它是以毫秒为单位测量的时间量.最小值大于零，但不一定
..
python 的哪个统计模块支持带有事后测试(Tukey、Scheffe 或其他)的单向方差分析?
我尝试查看 Python 的多个统计模块，但似乎找不到任何支持 one-way ANOVA 事后测试的模块. 解决方案 ANOVA 可以像这样使用的一种方式 from scipy import statsf_value, p_value = stats.f_oneway(data1, data2, data3, data4, ...) 这是一种方差分析，它返回 F 值和 P 值. 如
..
使用scipy获得置信区间的正确方法
我有一个一维数据数组: a = np.array([1,2,3,4,4,4,5,5,5,5,4,4,4,6,7,8]) 我想获得 68% 的置信区间(即:1 西格玛). 这个答案中的第一条评论指出，这可以使用 scipy.stats.norm.interval 来实现 来自 scipy.stats.norm 函数，通过: from scipy import stats将 numpy 导
..
无法执行python脚本或进入python shell
我无法运行我的 Python 脚本，甚至无法运行 Python 命令来进入 Python shell.我的 Python 有什么问题? machine:project user$ python回溯(最近一次调用最后一次):文件“/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site.py"，第6
..
您如何优化此代码以进行 nn 预测?
你如何优化这段代码?目前，它的运行速度因通过此循环的数据量而变慢.此代码运行 1-最近邻.它将根据 p_data_set 预测 training_element 的标签 # [x] , [[x1],[x2],[x3]], [l1, l2, l3]def 预测(training_element、p_data_set、p_label_set):temp = np.array([], dtype=fl
..
scipy quad 仅使用 1 个细分并给出错误的结果
我想用 quad 来获得高斯分布的均值.我的第一次尝试和第二次尝试得到不同的结果.而quad的第二次尝试只使用了1个细分. mu =1西格玛 =2将 scipy 导入为 sp导入 scipy.integrate as si将 scipy.stats 导入为 ssf = lambda x: x * ss.norm(loc=mu, scale=sigma).pdf(x)a = si.quad(f,
..
情节:颜色都大于不同的颜色
在绘图中，如何将高于阈值的所有值着色为不同的颜色?就像上面的所有东西 mean + std 或 mean + 2*std ? 解决方案 使用 LineCollection 是正确的方法，但您也可以使用掩码数组在一行代码中完成一个简单的版本: 将 numpy 导入为 np将 numpy.ma 导入为 ma导入 matplotlib.pyplot 作为 plt# 创建一个奇怪的连续函数r
..
如何拟合温度/热分布数据?
我有一个包含某个温度曲线的数据集，我想在温度曲线上拟合或映射测量点，如下所示: 停留时间:30 分钟 斜坡时间:1 分钟 周期数:1000 个周期 测量点周期:16 分钟 测量点可以发生在高位 +150 或低位 -40 注意: T0(初始时间)不明确，所以时间参考不明确，例如.T0=0. 我已经在 Pandas DataFrame 中获取了数据: 将 n
..
scipy.optimize.curvefit:拟合不对称误差
我尝试使用 scipy.optimize.curvefit 将函数拟合到我的数据中. Q=optimization.curve_fit(func,X,Y, x0,ERR) 而且效果很好. 但是，现在我正在尝试使用非对称错误，但我不知道该怎么做 - 或者即使可能. 非对称错误我的意思是错误不是例如:3+-0.5 而是 3 +0.6 -0.2.所以 ERR 是一个有两列的数组.
..
如何计算python中两个向量数组的点积?
A 和 B 都是具有 shape(N,3) 的数组.它们每个都包含 N 个向量，使得 A[0] = a0 (vector), A[1] = a1... 和 B[0] = b0, B[1] = b1... 我想计算 N 对向量 an 和 bn 的点积.换句话说，我想获得一个带有 shape(N,1) 的数组 C，使得 C[i] = np.dot(A[i],B[i]). 在 python 中执行
..
python中稀疏矩阵的矩阵幂
我试图找出一种方法来对稀疏矩阵 M 进行矩阵幂运算:M^k = M*...*M k 次，其中 * 是矩阵乘法 (numpy.dot)，并且 不是逐元素乘法. 我知道如何处理普通矩阵: 将 numpy 导入为 np将 scipy 导入为 spN=100k=3M=(sp.sparse.spdiags(np.ones(N), 0, N, N)-sp.sparse.spdiags(np.ones(
..