scribe's questions

import numpy as np

for h in range(10):
    try:
        array = np.array([np.zeros((h, 4)), np.zeros((3, h))], dtype=object)
    except ValueError:
        print(f'Value Error for h={h} only.')

No código acima, ValueErrorsó acontece para h=3. Isso parece arbitrário.

O erro total é:

  File "path/to/arr.py", line 4, in <module>
    array = np.array([np.zeros((h, 4)), np.zeros((3, h))], dtype=object)
            ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
ValueError: could not broadcast input array from shape (3,4) into shape (3,)

Como posso evitar isso e por que isso acontece?

Lembro-me de que isso funcionou. Zero significava totalmente escuro e um significava totalmente iluminado e no meio significava algum tom de cinza para plotar com pyplot.imshow. Lembro-me de plotar os dados MNIST de dígitos escritos à mão assim. Eu escrevi o seguinte,

import numpy as np
from matplotlib import pyplot as plt


matrix = 0.5*np.identity(5)
plt.imshow(matrix, cmap='grey')
plt.show()

Se eu não multiplicar a matriz identidade por um meio, obtenho o que espero. Mas--multiplicando-a por um meio, eu esperava ver cinzas ao longo da diagonal. No entanto, ela ainda plota brancos ali.

Estou esquecendo de algum pequeno detalhe? Existe uma maneira de obter o comportamento que espero?

Estou tentando classificar uma matriz/lista de números inteiros não negativos em tempo linear. Também mantemos apenas os elementos únicos. Aqui está um exemplo,

Sort: [7, 7, 0, 3, 2, 1, 9, 1]

7: 10000000
7: 10000000
0: 10000001
3: 10001001
2: 10001101
1: 10001111
9: 1010001111
1: 1010001111

1010001111: []
101000111: [0]
10100011: [0, 1]
1010001: [0, 1, 2]
101000: [0, 1, 2, 3]
10100: [0, 1, 2, 3]
1010: [0, 1, 2, 3]
101: [0, 1, 2, 3]
10: [0, 1, 2, 3, 7]
1: [0, 1, 2, 3, 7]
: [0, 1, 2, 3, 7, 9]

Essencialmente, estou implementando np.unique([7, 7, 0, 3, 2, 1, 9, 1])em tempo linear. Aqui está meu Python,

import numpy as np
from time import perf_counter
from numba import njit

# @njit
def count(ls):
    ret = []
    m = 0
    for x in ls:
        m = m | (1 << int(x))
    i = 0
    while m > 0:
        if (m & 1):
            ret.append(i)
        m = m >> 1
        i += 1
    return ret

RNG = np.random.default_rng(0)

x = RNG.integers(2**16, size=2**17)
start = perf_counter()
y1 = np.unique(x)
print(perf_counter() - start)
start = perf_counter()
y2 = count(x)
print(perf_counter() - start)
print((y1 == y2).all())

Minha classificação "O (n)" não superou a função exclusiva do Numpy. Eu esperava que, como o Python fosse mais lento que o C (que é onde np.uniqueé implementado, suponho). Para remediar isso, tentei usar o decorador JIT do Numba. Mas - se eu descomentar o decorador, de alguma forma a função quebra e retorna uma lista vazia. Funciona sem o decorador.

Alguém pode apontar meu descuido?