在本文中,我们将给您介绍关于NumPy-一维数组的最快懒惰字典比较的详细内容,并且为您解答一维数组python的相关问题,此外,我们还将为您提供关于"importnumpyasnp"ImportErr
在本文中,我们将给您介绍关于NumPy-一维数组的最快懒惰字典比较的详细内容,并且为您解答一维数组python的相关问题,此外,我们还将为您提供关于"import numpy as np" ImportError: No module named numpy、3.7Python 数据处理篇之 Numpy 系列 (七)---Numpy 的统计函数、Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案、Difference between import numpy and import numpy as np的知识。
本文目录一览:- NumPy-一维数组的最快懒惰字典比较(一维数组python)
- "import numpy as np" ImportError: No module named numpy
- 3.7Python 数据处理篇之 Numpy 系列 (七)---Numpy 的统计函数
- Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案
- Difference between import numpy and import numpy as np
NumPy-一维数组的最快懒惰字典比较(一维数组python)
如何解决NumPy-一维数组的最快懒惰字典比较
我有两个NumPy 1D数组a
和b
。
如何比较它们lexicographically?这意味着一维数组的比较方式应与Python比较元组的方式相同。
主要是应该懒惰地完成此操作,即函数应该在已知结果的最左侧出现时立即返回结果。
我也在寻找numpy数组的最快解决方案。对于某些矢量化实现,可能使用其他numpy函数。
否则,非惰性的简单实现可能是这样的:
i = np.flatnonzero((a < b) != (a > b))
print(''a '' + (''=='' if i.size == 0 else ''<'' if a[i[0]] < b[i[0]] else ''>'') + '' b'')
或者是简单的懒惰变体,但是由于使用纯Python类型而变慢:
ta,tb = tuple(a),tuple(b)
print(''a '' + (''<'' if ta < tb else ''=='' if ta == tb else ''>'') + '' b'')
另一种解决方案是使用np.lexsort
,但问题是,是否仅针对两列(两个一维数组)进行了优化,或者是否完全是惰性的?还有一个问题是,lexsort的结果可能不足以提供三种答案<
/ ==
/ >
的可能性,可能仅足以判断是否<=
。 lexsort还需要一些非延迟的预处理,例如np.stack和反转行顺序。
print(''a '' + (''<='' if np.lexsort(np.stack((a,b),1)[::-1])[0] == 0 else ''>'') + '' b'')
但是可以懒惰,快速地在numpy中实现它吗?我需要懒惰的行为,因为一维数组可能很大,但是在大多数情况下,比较结果非常接近开头。
解决方法
在直接的python中,您将遍历zip
ped列表:
def lazy_compare(a,b):
for x,y in zip(a,b):
if x < y:
return ''a < b''
if x > y:
return ''a > b''
return ''a == b''
例如
print(lazy_compare([''a'',''b'',''c'',''d'',''e''],[''a'',''e'']))
print(lazy_compare([''a'',''f'']))
print(lazy_compare([''a'',''e'']))
输出:
a > b
a < b
a == b
由于zip
返回的迭代器仅在您使用它们时生成值,因此这是惰性的,一旦找到一个就将返回结果,因此仅需要遍历两个列表的全部即可相等。
人们可能会猜测使用循环和索引数组可能比 zip
更快,但事实并非如此。
以这些定义作为比较的基础。
def lex_leq_zip(a,b):
if x > y:
return False
return True
def lex_leq_index(x,y):
for i in np.arange(x.size):
if x[i] > y[i]:
return False
return True
然后我们扫描不同大小的数组以收集有关更改的数据:
for L in range(1,100000,1000):
for rep in range(10):
x = np.random.random(size=L)
y = np.random.random(size=L)
z = timeit(''lex_leq_zip(x,y)'',globals={''lex_leq_zip'':lex_leq_zip,''x'':x,''y'':y},number=1)
i = timeit(''lex_leq_index(x,globals={''lex_leq_index'':lex_leq_index,number=1)
plt.scatter([L],[z],color=''k'')
plt.scatter([L],[i],color=''b'')
plt.show()
放大结果图,我得到了这个:
回忆上面的代码,纵轴是以秒为单位的时间,横轴是数组的长度,蓝色因子是基于索引的实现,黑色因子是基于zip
的执行。虽然我们正在考虑非常小的几分之一秒(这在某些情况下可能很宝贵),但很明显基于 zip
的方法更快。
脚注:我还尝试在基于索引的实现上使用 Numba 的 @jit(nopython=True)
装饰器,但它显示了类似的模式。
脚注:我还在两种实现中尝试了 NumPy 的 np.vectorize
,但实际上两者都会导致与尝试索引数字有关的错误。
"import numpy as np" ImportError: No module named numpy
问题:没有安装 numpy
解决方法:
下载文件,安装
numpy-1.8.2-win32-superpack-python2.7
安装运行 import numpy,出现
Traceback (most recent call last):
File "<pyshell#2>", line 1, in <module>
import numpy
File "C:\Python27\lib\site-packages\numpy\__init__.py", line 153, in <module>
from . import add_newdocs
File "C:\Python27\lib\site-packages\numpy\add_newdocs.py", line 13, in <module>
from numpy.lib import add_newdoc
File "C:\Python27\lib\site-packages\numpy\lib\__init__.py", line 8, in <module>
from .type_check import *
File "C:\Python27\lib\site-packages\numpy\lib\type_check.py", line 11, in <module>
import numpy.core.numeric as _nx
File "C:\Python27\lib\site-packages\numpy\core\__init__.py", line 6, in <module>
from . import multiarray
ImportError: DLL load failed: %1 不是有效的 Win32 应用程序。
原因是:python 装的是 64 位的,numpy 装的是 32 位的
重新安装 numpy 为:numpy-1.8.0-win64-py2.7
3.7Python 数据处理篇之 Numpy 系列 (七)---Numpy 的统计函数
目录
[TOC]
前言
具体我们来学 Numpy 的统计函数
(一)函数一览表
调用方式:np.*
.sum(a) | 对数组 a 求和 |
---|---|
.mean(a) | 求数学期望 |
.average(a) | 求平均值 |
.std(a) | 求标准差 |
.var(a) | 求方差 |
.ptp(a) | 求极差 |
.median(a) | 求中值,即中位数 |
.min(a) | 求最大值 |
.max(a) | 求最小值 |
.argmin(a) | 求最小值的下标,都处里为一维的下标 |
.argmax(a) | 求最大值的下标,都处里为一维的下标 |
.unravel_index(index, shape) | g 根据 shape, 由一维的下标生成多维的下标 |
(二)统计函数 1
(1)说明
(2)输出
.sum(a)
.mean(a)
.average(a)
.std(a)
.var(a)
(三)统计函数 2
(1)说明
(2)输出
.max(a) .min(a)
.ptp(a)
.median(a)
.argmin(a)
.argmax(a)
.unravel_index(index,shape)
作者:Mark
日期:2019/02/11 周一
Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案
如何解决Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案?
希望有人能在这里提供帮助。我一直在绕圈子一段时间。我只是想设置一个 python 脚本,它将一些 json 数据从 REST API 加载到云数据库中。我在 Anaconda 上设置了一个虚拟环境(因为 GCP 库推荐这样做),安装了依赖项,现在我只是尝试导入库并向端点发送请求。 我使用 Conda(和 conda-forge)来设置环境并安装依赖项,所以希望一切都干净。我正在使用带有 Python 扩展的 VS 编辑器作为编辑器。 每当我尝试运行脚本时,我都会收到以下消息。我已经尝试了其他人在 Google/StackOverflow 上找到的所有解决方案,但没有一个有效。我通常使用 IDLE 或 Jupyter 进行脚本编写,没有任何问题,但我对 Anaconda、VS 或环境变量(似乎是相关的)没有太多经验。 在此先感谢您的帮助!
\Traceback (most recent call last):
File "C:\Conda\envs\gcp\lib\site-packages\numpy\core\__init__.py",line 22,in <module>
from . import multiarray
File "C:\Conda\envs\gcp\lib\site-packages\numpy\core\multiarray.py",line 12,in <module>
from . import overrides
File "C:\Conda\envs\gcp\lib\site-packages\numpy\core\overrides.py",line 7,in <module>
from numpy.core._multiarray_umath import (
ImportError: DLL load Failed while importing _multiarray_umath: The specified module Could not be found.
During handling of the above exception,another exception occurred:
Traceback (most recent call last):
File "c:\API\citi-bike.py",line 4,in <module>
import numpy as np
File "C:\Conda\envs\gcp\lib\site-packages\numpy\__init__.py",line 150,in <module>
from . import core
File "C:\Conda\envs\gcp\lib\site-packages\numpy\core\__init__.py",line 48,in <module>
raise ImportError(msg)
ImportError:
IMPORTANT: PLEASE READ THIS FOR ADVICE ON HOW TO SOLVE THIS ISSUE!
Importing the numpy C-extensions Failed. This error can happen for
many reasons,often due to issues with your setup or how NumPy was
installed.
We have compiled some common reasons and troubleshooting tips at:
https://numpy.org/devdocs/user/troubleshooting-importerror.html
Please note and check the following:
* The Python version is: python3.9 from "C:\Conda\envs\gcp\python.exe"
* The NumPy version is: "1.21.1"
and make sure that they are the versions you expect.
Please carefully study the documentation linked above for further help.
Original error was: DLL load Failed while importing _multiarray_umath: The specified module Could not be found.
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)
Difference between import numpy and import numpy as np
Difference between import numpy and import numpy as np
up vote 18 down vote favorite 5 |
I understand that when possible one should use This helps keep away any conflict due to namespaces. But I have noticed that while the command below works the following does not Can someone please explain this? python numpy
|
||||||||
add a comment |
4 Answers
active oldest votes
up vote 13 down vote |
numpy is the top package name, and doing When you do In your above code: Here is the difference between
|
|||
add a comment |
up vote 7 down vote |
The When you import a module via the numpy package is bound to the local variable Thus, is equivalent to, When trying to understand this mechanism, it''s worth remembering that When importing a submodule, you must refer to the full parent module name, since the importing mechanics happen at a higher level than the local variable scope. i.e. I also take issue with your assertion that "where possible one should [import numpy as np]". This is done for historical reasons, mostly because people get tired very quickly of prefixing every operation with Finally, to round out my exposé, here are 2 interesting uses of the 1. long subimports 2. compatible APIs
|
||
add a comment |
up vote 1 down vote |
when you call the statement
|
||
add a comment |
up vote 1 down vote |
This is a language feature. This feature allows:
Notice however that Said that, when you run You receive an
|
||||||||
add a comment |
我们今天的关于NumPy-一维数组的最快懒惰字典比较和一维数组python的分享已经告一段落,感谢您的关注,如果您想了解更多关于"import numpy as np" ImportError: No module named numpy、3.7Python 数据处理篇之 Numpy 系列 (七)---Numpy 的统计函数、Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案、Difference between import numpy and import numpy as np的相关信息,请在本站查询。
本文标签: