在Python（numpy）中修改ndarray的正确方法是什么？

-1

我发现修改/分配numpy.ndarray就像： X [j，...，c] =东西。不按我期望的方式工作。请参阅以下代码段和相关输出在Python（numpy）中修改ndarray的正确方法是什么？

X_train_norm = np.zeros_like(X_train) 
for j in range(100, 102): 
    for c in range(X_train.shape[-1]): 
     X_train_norm[j,...,c] = X_train[j,...,c] - means[j, c] 
     print(j, c, np.mean(X_train_norm[j,...,c]), np.mean(X_train[j,...,c] - means[j,c])) 


100 0 152.491210938 0.0 
100 1 153.384765625 0.0 
100 2 164.598632812 0.0 
101 0 148.837890625 0.0 
101 1 151.559570312 0.0 
101 2 162.604492188 0.0 

(means is a Nx3 array and X_train is a Nx32x32x3 array)

什么是创建输出的正确方法？

编辑：我得到了它的代码片段像这样的工作：

z = X_train[j,...] - means[j,] 
if X_train_norm is None: 
    X_train_norm = np.array(z, ndmin=4) 
else: 
    X_train_norm = np.vstack([X_train_norm, np.array(z, ndmin=4)])

我肯定有一个更高效，更Python的方式来做到这一点。感谢您的期待！

来源

2017-05-03 Pradheep Elango

' “不工作我会expect'方式” 详细点吗？ – Divakar

如果我计算'z = X_train [j，...，c] - 意味着[j，c]'，z看起来与我做'X_train_norm [j，...，c] = .... '。输出说明了这一点。 –

更新了代码的代码片段 –

呃！这是一个类型问题。

X_train was uint8. 
X_train_norm = np.zeros_like(X_train,dtype='float64') 
X_train_norm = X_train_norm.astype(float) 
for j in range(100, 102): 
    z = X_train[j,...] - means[j,] 
    print(z.shape, z.mean()) 
    X_train_norm[j] = z 
    print(X_train_norm[j].shape, X_train_norm[j].mean())

正确打印

(32, 32, 3) 0.0 
(32, 32, 3) 0.0 
(32, 32, 3) 0.0 
(32, 32, 3) 0.0

来源

2017-05-03 21:20:23

在Python（numpy）中修改ndarray的正确方法是什么？

回答

相关问题