問題タブ [numpy-ndarray]

パラメータ -1 を指定した reshape 関数を使用して、numpy 行列をベクトルに再形成できます。しかし、ここで -1 が何を意味するのかわかりません。

例えば：

の結果bは次のとおりです。matrix([[1, 2, 3, 4, 5, 6, 7, 8]])

ここで -1 の意味を知っている人はいますか? そして、 python assign -1 などのいくつかの意味があるようです:array[-1]最後の要素を意味します。説明してもらえますか？

Python で、すべて True またはすべて False で満たされた任意の形状の numpy 配列を作成するにはどうすればよいですか?

axis誰かが NumPyのパラメーターが何をするのか正確に説明できますか?

私はひどく混乱しています。

関数を使用しようとしていますmyArray.sum(axis=num)

最初は、配列自体が 3 次元の場合、axis=0同じ位置にネストされたすべてのアイテムの合計からなる 3 つの要素を返すと考えました。各次元に 5 つの次元が含まれaxis=1ている場合、5 つのアイテムの結果が返されると予想していました。

しかし、これは事実ではなく、ドキュメントは私を助けてくれません(彼らは 3x3x3 配列を使用しているので、何が起こっているのかわかりにくいです)。

これが私がしたことです：

明らかに、結果は直感的ではありません。

どちらの関数も同じリストを返します。次に、同じ仕事を実行する2つの異なる機能の必要性は何ですか.

やってみると

その結果、x 軸が 0 から 1 の 2 次元プロット フレームが得られます。ただし、numpy.newaxisベクトルをスライスしようとすると、

行ベクトルを列ベクトルに変更する以外は同じことですか?

一般的に、 は何に使用numpy.newaxisされ、どのような状況で使用する必要がありますか?

datatyp uint8 で numpy 配列を追加したい。これらの配列の値は、オーバーフローが発生するのに十分な大きさである可能性があることを知っています。だから私は次のようなものを得る：

さて、 a は[150 250 44]です。ただし、オーバーフローの代わりに、uint8 に対して大きすぎる値を uint8 に許可される最大値にする必要があります。したがって、私の望ましい結果は になります[150 250 255]。

次のコードでこの結果を得ることができました。

問題は、配列が非常に大きいため、より大きなデータ型で 3 番目の配列を作成すると、メモリの問題が発生する可能性があることです。説明されている結果を達成するための高速でメモリ効率の高い方法はありますか?

実行中

結果は

軸 1 が範囲外であると報告されるのはなぜですか?

meshgridNumpyの関数の目的を誰かに説明してもらえますか? プロット用にある種の座標グリッドを作成することは知っていますが、その直接的な利点は実際にはわかりません。

私は Sebastian Raschka から「Python Machine Learning」を学んでおり、彼はそれを決定境界のプロットに使用しています。ここで入力 11 を参照してください。

公式ドキュメントからこのコードも試してみましたが、出力はあまり意味がありません。

可能であれば、実際の例もたくさん見せてください。