python map() 和 numpy函数：fromfunction以函数式创建数组

最新推荐文章于 2024-04-20 00:02:44 发布
最新推荐文章于 2024-04-20 00:02:44 发布
阅读量1.3w 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/IAlexanderI/article/details/78468096
版权

map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。

举例说明，比如我们有一个函数f(x)=x%2，要把这个函数作用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()实现

最低0.47元/天 解锁文章
I天辉I
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
numpy与pandas中apply与applymap与map三者的区别
weixin_43178406的博客
07-17 1万+
本文主要介绍了numpy与pandas中apply与applymap与map三者的区别，希望能对新手有所帮助。 文章目录 1. Series 2. DataFrame 3. apply/map/applymap传参
Python-现代Fortran的函数式编程
08-10
在Fortran中，虽然其设计初期并非以函数式为主，但随着版本的更新，特别是Fortran 2003及以后的标准，引入了许多函数式编程的概念，如纯函数、递归、数组函数等。 1. **纯函数**：在Fortran中，纯函数没有副作用，...
python中numpy、random、Map等总结【持续更新中...】
qq_23022733的博客
08-16 1469
代码】np.array的计算。
【NumPy】深入解析numpy.fromfunction()函数
最新发布
2402_83361138的博客
04-20 927
多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。是一个功能强大且实用的函数，它为我们提供了一种便捷的方式来创建具有特定规律的数组。时，建议结合具体的应用场景和需求来选择合适的函数和数据类型，以充分发挥其优势。的独特之处在于它可以根据自定义的函数生成数组，这使得它在创建具有特定规律或模式的数组时具有更大的灵活性。函数的参数对应于数组中的坐标，按照行优先的顺序排列。
map计算
持之以恒
10-29 257
import numpy as np data_feature = np.random.rand(10000,512) data_lable = np.random.randint(low = 1, high = 10, size = 10000) #print(data_lable) query = np.random.rand(1,512) query_label = 1 # M = np.dot(data_feature,query.T) # rank = M.flatten().argsort()[
Python map() 函数
江湖人的博客
11-30 3922
map() 函数是Python 内置的高阶函数，它接收一个函数名 fun 和一个迭代对象（如列表list），对迭代对象中的每个元素进行函数fun 定义的操作，最终返回一个新的map 对象。 注意： 1、map() 函数不改变原对象，返回一个创建的新对象。 2、在Python2 中，map() 函数直接返回列表；Python3 中返回的是map object，可通过list(map(fun, lis...
Python map() 函数 和 numpy mean()函数
m0_67393295的博客
04-21 1572
map(function, iterables) function – 函数 iterable – 一个或多个序列 例子 def square(x) : # 计算平方数 return x ** 2 map(square, [1,2,3,4,5]) # 计算列表各个元素的平方 [1, 4, 9, 16, 25] np.mean(a, axis=None, dtype=None, out=None, keepdims=) mean()函数功能：求取均值 经常操作的参数为ax
Python map函数
ssssSFN的博客
09-03 155
文章目录描述语法参数使用 描述 map() 会根据提供的函数对指定序列做映射。 第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。 语法 map(function, iterable, …) 参数 function：要被调用函数 iterable：可被迭代对象，列表、元组等 使用 def square(x) : ...
Python-CyToolzToolz的Cython实现高性能函数式工具
08-10
Python的标准库提供了一些基本的函数式编程工具，如`map`, `filter`和`reduce`等，但在处理大量数据时，这些原生函数的性能可能不尽如人意。这就是`CyToolz`进入舞台的原因。 `CyToolz`是`Toolz`库的一个优化版本，...
Python打开文件,将list、numpy数组内容写入txt文件中的方法
09-20
在Python编程中，将列表（list）和NumPy数组（numpy array）的数据写入到文本文件（txt文件）是常见的操作。这有助于数据存储、备份或与其他不支持Python的程序交换数据。以下将详细介绍如何执行这个任务。 首先，...
useful-Python-manual.rar_ Python DE_python函数手册
09-24
Python是一种广泛使用的高级编程语言，以其易读性、简洁的语法和强大的功能而闻名。这份“useful-Python-manual.rar”压缩包提供了一个详细整理的Python库函数手册，是Python开发者的重要参考资料。文档“useful ...
pymap3d:geospace ecef enu eci的纯Python（Numpy可选）3D坐标转换
04-30
该API与Python PyMap3D的流行的$ 1000 Matlab映射工具箱例程相似，旨在用于大规模并行（HPC）和嵌入式系统上的非交互使用。 感谢我们的。 其他代码语言中的类似工具箱 先决条件 Pymap3d与≥3.7的Python（包括PyPy...
python中的numpy模块和pandas模块的区别_numpy 模块和 pandas 模块
weixin_34392511的博客
02-09 530
一、numpy模块1.1 numpy 简介numpy是python的一种开源的数值计算扩展库，这种库可用来存储和处理大型numpy数组。numpy库有两个作用：​ 1、区别于list列表，提供了数组操作、数组运算、以及统计分布和简单的数学模型​ 2、计算速度快，甚至要优于python内置的简单运算，使得其成为pandas、sklearn等模块的依赖包。高级的框架如TensorFlow、PyTorc...
numpy与pandas各种功能及其对比（超全）
热门推荐
weixin_41168304的博客
03-10 3万+
在做数据处理的时候经常会用到numpy和pandas，有时候容易搞混，这篇文章就从功能方面总结对比一下二者的区别。 一、简介 numpy：numpy是以矩阵为基础的数学计算模块，提供高性能的矩阵运算，数组结构为ndarray。可以把它看作是多维数组（ndarray）的容器，可以对数组执行元素级计算以及直接对数组执行数学运算的函数。其也是用于读写硬盘上基于数组的数据集的工具。数据处理速度比Python自身的嵌套列表要快很多。ndarray中所有元素必须是相同类型。 pandas：pandas是基于num
numpy 对二维数组的常用操作
Flag_ing的博客
02-09 1万+
目录 1、提取二维数组的某几列或某几行 2、获取某个范围的数据 3、所有元素求和 4、计算数组中非零元素的个数 5、使用布尔型掩码提取某些行或某些列 6、获取数组的行数或列数 7、获取最后一列（或行）的元素 1、提取二维数组的某几列或某几行 import numpy as np # 定义 3*3 的 numpy 数组 matrix = np.array([[1, 3, 2], [8, 0, 6], [9, 7
python map()函数
qq_38872825的博客
08-12 743
@[TOC](python map()函数) map(function, iterable, …) 菜鸟解释： map() 会根据提供的函数对指定序列做映射。 第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。 第一个function参数是函数名，之后的iterable参数依次对应了function的参数，具体例子如下 例子 def add(x, y, z): return x + y + z list( map(
【20211103】【Python】map 函数的使用
诗小葵的博客
11-03 289
1.描述 map() 是 Python 的一个内置函数，会根据提供的函数对指定序列做映射。 2. 函数语法 map(fun, iterable, ...) 3. 参数： （1）fun —— 映射函数 （2）iterable —— 一个或多个序列 4. 关于返回值 Python 2.x 返回列表，可以直接使用；但Python 3.x 返回的是迭代器，需要使用 list() 进行类型转换之后再使用！ 5. 举个栗子 import numpy...
numpy python zip_【Python】无须numpy，利用map函数与zip(*)函数对数组转置
weixin_34053992的博客
01-28 555
在Python的numpy中，对类似array=[[1,2,3],[4,5,6],[7,8,9]];的二维数组的转置，就一句话array.T。其实不使用numpy，单纯使用Python，代码也不长，同样也是一行。不过在此之前，先说明Python中map函数与zip(*)的使用。一、map函数首先Python中的map函数是很简单的。意为将第二个参数(一般是数组)中的每一个项，处理为第一个参数的类型...
用Numpy实现的CLAHE函数：
05-13
以下是用 Numpy 实现的 CLAHE 函数代码： ```python import numpy as np from numpy.lib.stride_tricks import as_strided def clahe(image, clip_limit=0.03, grid_size=(8,8)): # Convert image to grayscale if necessary if image.ndim == 3: image = np.dot(image[...,:3], [0.2989, 0.5870, 0.1140]) # Calculate histogram for the image hist, bins = np.histogram(image.flatten(), 256, [0,256]) # Calculate maximum bin value for the clip limit max_bin = np.max(hist) clip_limit = max(int(clip_limit*image.size), max_bin) # Calculate cumulative distribution function (CDF) cdf = np.cumsum(hist) # Calculate CDF for clipped histogram clipped_hist = np.clip(hist, 0, clip_limit) clipped_cdf = np.cumsum(clipped_hist) # Calculate equalized pixel values equalized_values = (clipped_cdf/cdf.max()*255).astype('uint8') # Map equalized pixel values to image equalized_image = equalized_values[image] # Create tiles for adaptive histogram equalization tile_size = (np.array(image.shape)//np.array(grid_size)).astype(int) padded_size = (np.ceil(image.shape/tile_size)*tile_size).astype(int) padded_image = np.zeros(padded_size, dtype=image.dtype) padded_image[:image.shape[0], :image.shape[1]] = image tiles = as_strided(padded_image, shape=tuple(grid_size)+tuple(tile_size), strides=padded_image.strides+padded_image.strides) # Apply adaptive histogram equalization to the tiles for i in range(grid_size[0]): for j in range(grid_size[1]): tile = tiles[i,j] tile_hist, _ = np.histogram(tile.flatten(), 256, [0,256]) tile_max_bin = np.max(tile_hist) tile_clip_limit = max(int(clip_limit*tile.size/image.size), tile_max_bin) tile_cdf = np.cumsum(tile_hist) tile_clipped_hist = np.clip(tile_hist, 0, tile_clip_limit) tile_clipped_cdf = np.cumsum(tile_clipped_hist) tile_equalized_values = (tile_clipped_cdf/tile_cdf.max()*255).astype('uint8') tile_equalized_image = tile_equalized_values[tile] tiles[i,j] = tile_equalized_image # Combine the tiles into a single image equalized_image = np.vstack([np.hstack(row) for row in tiles]) equalized_image = equalized_image[:image.shape[0], :image.shape[1]] return equalized_image ``` 这个函数接受一个灰度图像作为输入，并使用 Numpy 实现 CLAHE 算法以增强图像。传递给函数的参数包括： - `image`: 要增强的图像，必须是灰度图像。 - `clip_limit`: 控制 CLAHE 中限制对比度的阈值。 - `grid_size`: 确定图像被分成的网格的大小。 函数中的代码实现了以下步骤： 1. 将图像转换为灰度图像（如果需要）。 2. 计算图像的直方图。 3. 根据限制对比度的阈值计算 CLAHE 中的 clip limit。 4. 计算累积分布函数 (CDF)。 5. 计算 CLAHE 中剪切直方图的 CDF。 6. 计算均衡像素值。 7. 将均衡像素值映射到图像。 8. 创建用于自适应直方图均衡化的瓷砖。 9. 对瓷砖应用自适应直方图均衡化。 10. 将瓷砖组合成单个图像。 11. 返回增强的图像。 这个函数使用 Numpy 的强大功能，包括数组索引、数组计算、数组切片和数组重塑。它还使用了 `as_strided` 函数来创建瓷砖数组和数组视图。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值