scipy

    2热度

    1回答

    我有线性系统来解决这个问题,它由大型稀疏矩阵组成。 我一直在使用scipy.sparse库和它的linalg子库来做到这一点,但我不能让一些线性求解器工作。 这里是一个工作例子再现问题对我来说: from numpy.random import random from scipy.sparse import csc_matrix from scipy.sparse.linalg import

    0热度

    3回答

    假设我有一些.txt文件作为实验测量输出​​: Date: 160818 double polished Si 300 microns Power before sample: 62.7uW Power after sample: 33.0uW position y1 y2 power 1.00E-01 1.93E+07 1.17E+06 2.32E-05 2.00E-01 1.92E

    0热度

    1回答

    我试图确定一个多项式拟合,然后用np.roots解决结果多项式。然而,当将curve_fit数组提供给np.roots()时,它告诉我有太多的参数。从np.roots()文档中我明白它需要一个数组作为输入。 这是错误: 类型错误:根()采用完全1个参数(6中给出) from scipy import optimize import matplotlib.pyplot as plt import

    0热度

    1回答

    期间我使用从scipy.optimize库minimize功能。 有没有一种方法来打印一些值时优化过程?像当前的x值,目标函数值,迭代次数和梯度评估次数。 我知道有些选项可以保存这些值,并在之后返回优化结束。但是,我可以在每一步看到他们吗?

    2热度

    1回答

    我试图解决Python 2.7中的以下线性编程问题,并且由于某些原因,linprog没有返回正确的结果。 Minimize: -x2 -x3 使得: x0 + 0.33*x2 + 0.67*x3 = 0.5 x1 + 0.67*x2 + 0.33*x3 = 0.5 x0 + x1 + x2 + x3 = 1.0 这是我的代码: from scipy.optimize import li

    0热度

    1回答

    我想最大化关于theta参数的似然函数。似然函数被定义为: from scipy.optimize import minimize def prloglik(theta,n,r): N=theta;k=len(n) ar1=np.sum(np.log(np.array(range(N))+1)) ar2=np.sum(n)*np.log(np.sum(n)/(k*

    1热度

    1回答

    我想用scipy.sparse.linalg.eigsh使用shift-invert模式找到复杂矩阵的特征值和特征向量。在矩阵中只有实数,我可以得到与spicy.linalg.eigh求解器相同的结果,但是在添加虚部时,特征值会发散。一个微小的例子: import numpy as np from scipy.linalg import eigh from scipy.sparse.linal

    1热度

    1回答

    我试图将数据拟合到函数f(x)上,该函数是T上的积分。x是积分的上边界。我试图用scipy.curve_fit()来完成它,但我不知道如何将我的积分写成可传递给curve_fit的函数。 我看过类似的问题,但没有看到符合我的问题的任何内容。 我无法为A和Ea提供任何猜测值,因为我根本不知道它们现在可能是什么。 from scipy import optimize import matplotli

    3热度

    2回答

    如何使用numpy的的幻想索引创建此创建numpy的数组,我想最快的性能: array([[ 1, 2, 3, 4, 16, 31], [ 2, 3, 4, 5, 17, 32], [ 3, 4, 5, 6, 18, 33], [ 4, 5, 6, 7, 19, 34], [ 5, 6, 7, 8, 20, 35], [ 6, 7, 8,

    1热度

    1回答

    我试图迁移我的Matlab代码Python,但我有一些过滤功能的麻烦。 这里的上下文中: 我通过调用下面的函数创建了一个巴特沃斯滤波器(FC是带通的中心频率,q其品质因数和Ñ其顺序): def bandpass(fc, q, n): bw = fc/q low = fc - bw/2 high = fc + bw/2 return butter(N=n, W