Python 一次将数组中的每个项目拆分为一个数组
我有一个3X4X4形状的numpy aray,如图所示:Python 一次将数组中的每个项目拆分为一个数组,python,logging,numpy,Python,Logging,Numpy,我有一个3X4X4形状的numpy aray,如图所示: [[[0 0 0 2] [0 0 0 0] [1 0 0 0] [0 0 0 0]] [[0 1 0 0] [0 0 0 0] [0 0 0 0] [0 1 1 0]] [[0 0 0 0] [0 1 1 0] [0 0 1 0] [0 0 0 0]]] 我想将数组中每个4 X4矩阵中的每个数字除以0.25。 然后我想记录所有这些值。(因此,我将每个数组中的所有值除以.25,然后取该数字的日志
[[[0 0 0 2]
[0 0 0 0]
[1 0 0 0]
[0 0 0 0]]
[[0 1 0 0]
[0 0 0 0]
[0 0 0 0]
[0 1 1 0]]
[[0 0 0 0]
[0 1 1 0]
[0 0 1 0]
[0 0 0 0]]]
我想将数组中每个4 X4矩阵中的每个数字除以0.25。
然后我想记录所有这些值。(因此,我将每个数组中的所有值除以.25,然后取该数字的日志)
输出应该是相同的3x4x4矩阵,只是改变了值。
任何建议您只需执行以下操作:
numpy.log(yourNumpyArray / 0.25)
numpy将做正确的事情(将每个元素除以0.25)
阅读更多信息:
numpy.log(yourNumpyArray / 0.25)
numpy将做正确的事情(将每个元素除以0.25)
阅读更多信息:
- 我看不出这有什么不对
>> import numpy as np
>> a = np.array([[[0, 0, 0, 2],[0, 0, 0, 0], [1, 0, 0, 0], [0, 0, 0, 0]], [[0, 1, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0] ,[0, 1, 1, 0]] ,[[0, 0, 0, 0], [0, 1, 1, 0] ,[0, 0, 1, 0] ,[0, 0, 0, 0]]])
>> a
[[[0, 0, 0, 2], [0, 0, 0, 0], [1, 0, 0, 0], [0, 0, 0, 0]],
[[0, 1, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 1, 1, 0]],
[[0, 0, 0, 0], [0, 1, 1, 0], [0, 0, 1, 0], [0, 0, 0, 0]]]
>> np.log(a/0.25)
array([[[ -inf, -inf, -inf, 2.07944154],
[ -inf, -inf, -inf, -inf],
[ 1.38629436, -inf, -inf, -inf],
[ -inf, -inf, -inf, -inf]],
[[ -inf, 1.38629436, -inf, -inf],
[ -inf, -inf, -inf, -inf],
[ -inf, -inf, -inf, -inf],
[ -inf, 1.38629436, 1.38629436, -inf]],
[[ -inf, -inf, -inf, -inf],
[ -inf, 1.38629436, 1.38629436, -inf],
[ -inf, -inf, 1.38629436, -inf],
[ -inf, -inf, -inf, -inf]]])
我看不出这有什么问题
>> import numpy as np
>> a = np.array([[[0, 0, 0, 2],[0, 0, 0, 0], [1, 0, 0, 0], [0, 0, 0, 0]], [[0, 1, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0] ,[0, 1, 1, 0]] ,[[0, 0, 0, 0], [0, 1, 1, 0] ,[0, 0, 1, 0] ,[0, 0, 0, 0]]])
>> a
[[[0, 0, 0, 2], [0, 0, 0, 0], [1, 0, 0, 0], [0, 0, 0, 0]],
[[0, 1, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 1, 1, 0]],
[[0, 0, 0, 0], [0, 1, 1, 0], [0, 0, 1, 0], [0, 0, 0, 0]]]
>> np.log(a/0.25)
array([[[ -inf, -inf, -inf, 2.07944154],
[ -inf, -inf, -inf, -inf],
[ 1.38629436, -inf, -inf, -inf],
[ -inf, -inf, -inf, -inf]],
[[ -inf, 1.38629436, -inf, -inf],
[ -inf, -inf, -inf, -inf],
[ -inf, -inf, -inf, -inf],
[ -inf, 1.38629436, 1.38629436, -inf]],
[[ -inf, -inf, -inf, -inf],
[ -inf, 1.38629436, 1.38629436, -inf],
[ -inf, -inf, 1.38629436, -inf],
[ -inf, -inf, -inf, -inf]]])
来自premature micro optimization部门,
np.log(yourNumpyArray)-np.log(0.25)
给出了相同的结果,但用廉价的减法代替了昂贵的除法。在我的系统上大约快了10%。@Jaime weird,在我的系统中正好相反:>>%timeit np.log(a/0.25)
给出了100000个循环,最好的3个循环:每个循环8.99µs
和>>%timeit np.log(a)-np.log(0.25)
导致:100000个循环,最好的3个循环:10.3µs每个循环
(稍微慢一点)我在一个大(1000x1000)阵列上运行了它。与OP的问题一样,对np.log
的额外调用可能会消耗掉所有的改进。在我的系统上,交叉发生在阵列中约800个项目上。@Jaime就是这样,然后,我精确地使用OP的输入进行了测试。谢谢分享。=)来自premature micro optimization部门,np.log(yourNumpyArray)-np.log(0.25)
给出了相同的结果,但用廉价的减法代替了昂贵的除法。在我的系统上大约快了10%。@Jaime weird,在我的系统中正好相反:>>%timeit np.log(a/0.25)
给出了100000个循环,最好的3个循环:每个循环8.99µs
和>>%timeit np.log(a)-np.log(0.25)
导致:100000个循环,最好的3个循环:10.3µs每个循环
(稍微慢一点)我在一个大(1000x1000)阵列上运行了它。与OP的问题一样,对np.log
的额外调用可能会消耗掉所有的改进。在我的系统上,交叉发生在阵列中约800个项目上。@Jaime就是这样,然后,我精确地使用OP的输入进行了测试。谢谢分享。=)