NumPy 배열 정당화
소개
Python에서 NumPy는 수치 계산을 위한 효율적인 도구를 제공합니다. . 일반적인 과제 중 하나는 NumPy 배열의 요소를 왼쪽, 오른쪽, 위쪽 또는 아래쪽으로 정렬하는 것입니다. 이 기사에서는 벡터화된 접근 방식을 사용하여 향상된 솔루션을 제시합니다.
벡터화된 솔루션
정렬 기능은 2D 배열의 요소를 정렬하여 지정된 배열로 푸시합니다.
def justify(a, invalid_val=0, axis=1, side='left'): justified_mask = np.sort(a!=invalid_val, axis=axis) if (side=='up') or (side=='left'): justified_mask = np.flip(justified_mask,axis=axis) out = np.full(a.shape, invalid_val) if axis==1: out[justified_mask] = a[a!=invalid_val] else: out.T[justified_mask.T] = a.T[a.T!=invalid_val] return out
사용
a = np.array([[1, 0, 2, 0], [3, 0, 4, 0], [5, 0, 6, 0], [0, 7, 0, 8]]) print(justify(a, axis=0, side='up')) # Justify values vertically "up" print(justify(a, axis=0, side='down')) # Justify values vertically "down" print(justify(a, axis=1, side='left')) # Justify values horizontally "left" print(justify(a, axis=1, side='right')) # Justify values horizontally "right"
출력
[[1, 7, 2, 8] [3, 0, 4, 0] [5, 0, 6, 0] [0, 0, 0, 0]] [[0, 0, 0, 0] [1, 0, 2, 0] [3, 0, 4, 0] [5, 7, 6, 8]] [[1, 2, 0, 0] [3, 4, 0, 0] [5, 6, 0, 0] [0, 7, 0, 8]] [[0, 0, 1, 2] [0, 0, 3, 4] [0, 0, 5, 6] [0, 0, 7, 8]]
일반 케이스로 확장
justify_nd 함수는 이 접근 방식을 확장하여 모든 차원의 ndarray에 있는 요소를 정렬합니다.
def justify_nd(a, invalid_val, axis, side): justified_mask = np.sort(a!=invalid_val, axis=axis) if side=='front': justified_mask = np.flip(justified_mask,axis=axis) out = np.full(a.shape, invalid_val) pushax = lambda a: np.moveaxis(a, axis, -1) if (axis==-1) or (axis==a.ndim-1): out[justified_mask] = a[a!=invalid_val] else: pushax(out)[pushax(justified_mask)] = pushax(a)[pushax(a!=invalid_val)] return out
사용법(일반 사례)
a = np.array([[[54, 57, 0, 77], [77, 0, 0, 31], [46, 0, 0, 98], [98, 22, 68, 75]], [[49, 0, 0, 98], [ 0, 47, 0, 87], [82, 19, 0, 90], [79, 89, 57, 74]], [[ 0, 0, 0, 0], [29, 0, 0, 49], [42, 75, 0, 67], [42, 41, 84, 33]], [[ 0, 0, 0, 38], [44, 10, 0, 0], [63, 0, 0, 0], [89, 14, 0, 0]]]) print(justify_nd(a, invalid_val=0, axis=0, side='front')) # Justify first dimension "front" print(justify_nd(a, invalid_val=0, axis=1, side='front')) # Justify second dimension "front" print(justify_nd(a, invalid_val=0, axis=2, side='front')) # Justify third dimension "front" print(justify_nd(a, invalid_val=0, axis=2, side='end')) # Justify third dimension "end"
출력
[[[54, 57, 0, 77], [77, 47, 0, 31], [46, 19, 0, 98], [98, 22, 68, 75]], [[49, 0, 0, 98], [29, 10, 0, 87], [82, 75, 0, 90], [79, 89, 57, 74]], [[ 0, 0, 0, 38], [44, 0, 0, 49], [42, 0, 0, 67], [42, 41, 84, 33]], [[ 0, 0, 0, 0], [ 0, 0, 0, 0], [63, 0, 0, 0], [89, 14, 0, 0]]] [[[54, 57, 68, 77], [77, 22, 0, 31], [46, 0, 0, 98], [98, 0, 0, 75]], [[49, 47, 57, 98], [82, 19, 0, 87], [79, 89, 0, 90], [ 0, 0, 0, 74]], [[29, 75, 84, 49], [42, 41, 0, 67], [42, 0, 0, 33], [ 0, 0, 0, 0]], [[44, 10, 0, 38], [63, 14, 0, 0], [89, 0, 0, 0], [ 0, 0, 0, 0]]] [[[ 0, 54, 57, 77], [ 0, 0, 77, 31], [ 0, 0, 46, 98], [98, 22, 68, 75]], [[ 0, 0, 49, 98], [ 0, 0, 47, 87], [ 0, 82, 19, 90], [79, 89, 57, 74]], [[ 0, 0, 0, 0], [ 0, 0, 29, 49], [ 0, 42, 75, 67], [42, 41, 84, 33]], [[ 0, 0, 0, 38], [ 0, 0, 44, 10], [ 0, 0, 0, 63], [ 0, 0, 89, 14]]]
위 내용은 NumPy 배열의 요소를 효율적으로 정당화하려면 어떻게 해야 합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

Python의 통계 모듈은 강력한 데이터 통계 분석 기능을 제공하여 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해할 수 있도록 도와줍니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오. 이 튜토리얼은 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 평균 () 함수의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. 무작위로 가져옵니다 수입 통계 Fracti에서

파이썬 객체의 직렬화 및 사막화는 사소한 프로그램의 주요 측면입니다. 무언가를 Python 파일에 저장하면 구성 파일을 읽거나 HTTP 요청에 응답하는 경우 객체 직렬화 및 사태화를 수행합니다. 어떤 의미에서, 직렬화와 사제화는 세계에서 가장 지루한 것들입니다. 이 모든 형식과 프로토콜에 대해 누가 걱정합니까? 일부 파이썬 객체를 지속하거나 스트리밍하여 나중에 완전히 검색하려고합니다. 이것은 세상을 개념적 차원에서 볼 수있는 좋은 방법입니다. 그러나 실제 수준에서 선택한 직렬화 체계, 형식 또는 프로토콜은 속도, 보안, 유지 보수 상태 및 프로그램의 기타 측면을 결정할 수 있습니다.

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점

이 기사는 Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask 및 요청과 같은 인기있는 Python 라이브러리에 대해 설명하고 과학 컴퓨팅, 데이터 분석, 시각화, 기계 학습, 웹 개발 및 H에서의 사용에 대해 자세히 설명합니다.

이 기사는 Python 개발자가 CLIS (Command-Line Interfaces) 구축을 안내합니다. Typer, Click 및 Argparse와 같은 라이브러리를 사용하여 입력/출력 처리를 강조하고 CLI 유용성을 향상시키기 위해 사용자 친화적 인 디자인 패턴을 홍보하는 세부 정보.

이 튜토리얼은 간단한 나무 탐색을 넘어서 DOM 조작에 중점을 둔 아름다운 수프에 대한 이전 소개를 바탕으로합니다. HTML 구조를 수정하기위한 효율적인 검색 방법과 기술을 탐색하겠습니다. 일반적인 DOM 검색 방법 중 하나는 EX입니다

이 기사는 프로젝트 종속성 관리 및 충돌을 피하는 데 중점을 둔 Python에서 가상 환경의 역할에 대해 설명합니다. 프로젝트 관리 개선 및 종속성 문제를 줄이는 데있어 생성, 활성화 및 이점을 자세히 설명합니다.


핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

mPDF
mPDF는 UTF-8로 인코딩된 HTML에서 PDF 파일을 생성할 수 있는 PHP 라이브러리입니다. 원저자인 Ian Back은 자신의 웹 사이트에서 "즉시" PDF 파일을 출력하고 다양한 언어를 처리하기 위해 mPDF를 작성했습니다. HTML2FPDF와 같은 원본 스크립트보다 유니코드 글꼴을 사용할 때 속도가 느리고 더 큰 파일을 생성하지만 CSS 스타일 등을 지원하고 많은 개선 사항이 있습니다. RTL(아랍어, 히브리어), CJK(중국어, 일본어, 한국어)를 포함한 거의 모든 언어를 지원합니다. 중첩된 블록 수준 요소(예: P, DIV)를 지원합니다.

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

SublimeText3 Linux 새 버전
SublimeText3 Linux 최신 버전

SublimeText3 영어 버전
권장 사항: Win 버전, 코드 프롬프트 지원!
