最近很多小伙伴都在问Numpynanargmin和nanargmax不适用于datetime-arrays和numpy.ndarrayisnotcallable这两个问题，那么本篇文章就来给大家详细解
最近很多小伙伴都在问Numpy nanargmin和nanargmax不适用于datetime-arrays和numpy.ndarray is not callable这两个问题，那么本篇文章就来给大家详细解答一下，同时本文还将给你拓展Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案、Arrays.sort() VS Arrays.parallelSort()、Code Hunt SECTOR 10 - 11（Jagged Arrays & Arrays 2）、cvxpy 和 numpy 之间的版本冲突：“针对 API 版本 0xe 编译的模块，但此版本的 numpy 是 0xd”等相关知识，下面开始了哦！
本文目录一览：- Numpy nanargmin和nanargmax不适用于datetime-arrays（numpy.ndarray is not callable）
- Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案
- Arrays.sort() VS Arrays.parallelSort()
- Code Hunt SECTOR 10 - 11（Jagged Arrays & Arrays 2）
- cvxpy 和 numpy 之间的版本冲突：“针对 API 版本 0xe 编译的模块，但此版本的 numpy 是 0xd”
Numpy nanargmin和nanargmax不适用于datetime-arrays（numpy.ndarray is not callable）
如何解决Numpy nanargmin和nanargmax不适用于datetime-arrays？
函数np.nanmin，np.nanmin，np.nanargmin和np.nanargmax应该忽略Nan值，但在datetime64[s]数组中表现出意想不到的行为：>
import numpy as np
a = np.array([''NaT'',''2020-01-30''],dtype=''datetime64[s]'')
#this works as expected
print(''nanmin:'',np.nanmin(a)) # =2020-01-30T00:00:00
print(''nanmax:'',np.nanmax(a)) # =2020-01-30T00:00:00
#this does not
print(''nanargmin:'',np.nanargmin(a)) #should be 1,is 0
print(''nanargmax:'',np.nanargmax(a)) #should be 1,is 0
这是一个错误还是我在这里错过了一些东西？我正在使用numpy 1.19.1。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）
Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案
如何解决Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案？
希望有人能在这里提供帮助。我一直在绕圈子一段时间。我只是想设置一个 python 脚本，它将一些 json 数据从 REST API 加载到云数据库中。我在 Anaconda 上设置了一个虚拟环境（因为 GCP 库推荐这样做），安装了依赖项，现在我只是尝试导入库并向端点发送请求。 我使用 Conda（和 conda-forge）来设置环境并安装依赖项，所以希望一切都干净。我正在使用带有 Python 扩展的 VS 编辑器作为编辑器。 每当我尝试运行脚本时，我都会收到以下消息。我已经尝试了其他人在 Google/StackOverflow 上找到的所有解决方案，但没有一个有效。我通常使用 IDLE 或 Jupyter 进行脚本编写，没有任何问题，但我对 Anaconda、VS 或环境变量（似乎是相关的）没有太多经验。 在此先感谢您的帮助！
\Traceback (most recent call last):
File "C:\Conda\envs\gcp\lib\site-packages\numpy\core\__init__.py",line 22,in <module>
from . import multiarray
File "C:\Conda\envs\gcp\lib\site-packages\numpy\core\multiarray.py",line 12,in <module>
from . import overrides
File "C:\Conda\envs\gcp\lib\site-packages\numpy\core\overrides.py",line 7,in <module>
from numpy.core._multiarray_umath import (
ImportError: DLL load Failed while importing _multiarray_umath: The specified module Could not be found.
During handling of the above exception,another exception occurred:
Traceback (most recent call last):
File "c:\API\citi-bike.py",line 4,in <module>
import numpy as np
File "C:\Conda\envs\gcp\lib\site-packages\numpy\__init__.py",line 150,in <module>
from . import core
File "C:\Conda\envs\gcp\lib\site-packages\numpy\core\__init__.py",line 48,in <module>
raise ImportError(msg)
ImportError:
IMPORTANT: PLEASE READ THIS FOR ADVICE ON HOW TO SOLVE THIS ISSUE!
Importing the numpy C-extensions Failed. This error can happen for
many reasons,often due to issues with your setup or how NumPy was
installed.
We have compiled some common reasons and troubleshooting tips at:
https://numpy.org/devdocs/user/troubleshooting-importerror.html
Please note and check the following:
* The Python version is: python3.9 from "C:\Conda\envs\gcp\python.exe"
* The NumPy version is: "1.21.1"
and make sure that they are the versions you expect.
Please carefully study the documentation linked above for further help.
Original error was: DLL load Failed while importing _multiarray_umath: The specified module Could not be found.
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）
Arrays.sort() VS Arrays.parallelSort()
英文原文地址：Arrays.sort vs Arrays.parallelSort
翻译：高行行
1. 概述
我们都使用过 Arrays.sort() 对对象或原始数据类型数组（byte，short，int，long，char，float，double和boolean）进行排序。在 JDK 8 中，创造者增强了 API 以提供一种新方法：Arrays.parallelSort()。
在本教程中，我们将对 sort() 和 parallelSort() 方法进行比较。
2. Arrays.sort()
Arrays.sort() 方法对对象或原始数据类型的数组进行排序。此方法中使用的排序算法是 Dual-Pivot Quicksort。 换句话说，它是快速排序算法的自定义实现，以实现更好的性能。
此方法是单线程的 ，有两种变体：
- sort(array)–将整个数组按升序排序
- sort(array, fromIndex, toIndex)–仅将从 fromIndex 到 toIndex 的元素排序
让我们看一下两种变体的例子：
@Test
public void givenArrayOfIntegers_whenUsingArraysSortMethod_thenSortFullArrayInAscendingOrder() {
int[] array = { 10, 4, 6, 2, 1, 9, 7, 8, 3, 5 };
int[] expected = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
Arrays.sort(array);
assertArrayEquals(expected, array);
}
@Test
public void givenArrayOfIntegers_whenUsingArraysSortMethodWithRange_thenSortRangeOfArrayInAscendingOrder() {
int[] array = { 10, 4, 6, 2, 1, 9, 7, 8, 3, 5 };
int[] expected = { 10, 4, 1, 2, 6, 7, 8, 9, 3, 5 };
Arrays.sort(array, 2, 8);
assertArrayEquals(expected, array);
}
让我们总结一下这种方法的优缺点：
| 优点 | 缺点 |
|---|---|
| 快速处理较小的数据集 | 大型数据集的性能下降 |
| 没有利用系统的多个核心 |
3. Arrays.parallelSort()
此方法对对象或原始数据类型的数组进行排序。与 sort() 类似，它也有两个变体来对完整数组和部分数组进行排序：
@Test
public void givenArrayOfIntegers_whenUsingArraysParallelSortMethod_thenSortFullArrayInAscendingOrder() {
int[] array = { 10, 4, 6, 2, 1, 9, 7, 8, 3, 5 };
int[] expected = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
Arrays.parallelSort(array);
assertArrayEquals(expected, array);
}
@Test
public void givenArrayOfIntegers_whenUsingArraysParallelSortMethodWithRange_thenSortRangeOfArrayInAscendingOrder() {
int[] array = { 10, 4, 6, 2, 1, 9, 7, 8, 3, 5 };
int[] expected = { 10, 4, 1, 2, 6, 7, 8, 9, 3, 5 };
Arrays.parallelSort(array, 2, 8);
assertArrayEquals(expected, array);
}
parallelSort() 在功能上有所不同。与 sort() 使用单个线程对数据进行顺序排序不同，它使用并行排序-合并排序算法。它将数组分成子数组，这些子数组本身先进行排序然后合并。
为了执行并行任务，它使用 ForkJoin 池。
但是我们需要知道，只有在满足某些条件时，它才会使用并行性。如果数组大小小于或等于 8192，或者处理器只有一个核心，则它将使用顺序的 Dual-Pivot Quicksort 算法。否则，它使用并行排序。
让我们总结一下使用它的优缺点：
| 优点 | 缺点 |
|---|---|
| 为大型数据集提供更好的性能 | 对于大小较小的数组，处理速度较慢 |
| 利用系统的多个核心 |
4.比较
现在，让我们看看在不同大小的数据集上两种方法怎样执行。以下数字是使用JMH 基准测试得出的。测试环境使用 AMD A10 PRO 2.1Ghz 四核处理器和 JDK 1.8.0_221：
| 数组大小 | Arrays.sort() | Arrays.parallelSort() |
|---|---|---|
| 1000 | o.048 | 0.054 |
| 10000 | 0.847 | 0.425 |
| 100000 | 7.570 | 4.395 |
| 1000000 | 65.301 | 37.998 |
5.结论
在这篇快速文章中，我们看到了 sort() 和 parallelSort() 的不同之处。
根据性能结果，我们可以得出结论，当我们要排序的数据集很大时，parallelSort() 可能是更好的选择。但是，在数组较小的情况下，最好使用 sort()，因为它可以提供更好的性能。
与往常一样，完整的源代码可以在 GitHub 找到。
个人公众号《骇客与画家》，欢迎关注
Code Hunt SECTOR 10 - 11（Jagged Arrays & Arrays 2）
1. 关于本博客的说明
Code Hunt 是我从 CSDN 上的一篇文章中无意间看到的：微软研究院正式发布编程学习游戏 Code Hunt，游戏地址从这里进入。
本篇博客是游戏的 JAGGED ARRAYS 和 Arrays 2 部分的 C# 部分解题代码
2.SECTOR10：JAGGED ARRAYS
1）SECTOR10-01
SKILL RATING：3
using System;
public class Program
{
public static int Puzzle(int[][] list, int i, int j)
{
return list[i][j];
}
}2）SECTOR10-02
SKILL RATING：1
建立一个大小为 5*5 的矩阵，每个元素赋初值为 0
using System;
public class Program
{
public static int[][] Puzzle()
{
return new int[][] { new int[5], new int[5], new int[5], new int[5], new int[5] };
}
}3）SECTOR10-03
建立一个大小为 length*length 的矩阵，每个元素赋初值为 x
SKILL RATING：1
using System;
public class Program
{
public static int[][] Puzzle(int length, int x)
{
int[] array = new int[length];
for (int i = 0; i < array.Length; i++)
{
array[i] = x;
}
int[][] result = new int[length][];
for (int i = 0; i < result.Length; i++)
{
result[i] = array;
}
return result;
}
}4）SECTOR10-04
SKILL RATING：3
using System;
public class Program
{
public static int[][] Puzzle(int[][] input)
{
int[][] result = new int[input.Length][];
for (int i = 0; i < result.Length; i++)
{
result[i] = new int[input[i].Length];
for (int j = 0; j < result[i].Length; j++)
{
result[i][j] = input[i][j] * 2;
}
}
return result;
}
}SKILL RATING：?
using System;
public class Program
{
public static int[][] Puzzle(int[][] input)
{
for (int i = 0; i < input.Length; i++)
{
for (int j = 0; j < input[i].Length; j++)
{
input[i][j] *= 2;
}
}
return input;
}
}5）SECTOR10-05
找出数组 input 中等于 i 的元素个数
SKILL RATING：3
using System;
public class Program
{
public static int Puzzle(int[][] input, int i)
{
int counter = 0;
for (int x = 0; x < input.Length; x++)
{
for (int y = 0; y < input[x].Length; y++)
{
if (input[x][y] == i)
{
counter++;
}
}
}
return counter;
}
}6）SECTOR10-06
SKILL RATING：1
using System;
public class Program
{
public static int Puzzle(int[][] input)
{
int max = int.MinValue;
for (int x = 0; x < input.Length; x++)
{
for (int y = 0; y < input[x].Length; y++)
{
if (input[x][y] > max)
{
max = input[x][y];
}
}
}
return max;
}
}7）SECTOR10-07
找到锯齿型数组中和最大的一个元素数组
SKILL RATING：2
using System;
public class Program
{
public static int[] Puzzle(int[][] input)
{
int maxsum = int.MinValue;
int arrsum = 0;
int isign = 0;
for (int i = 0; i < input.Length; i++)
{
arrsum = 0;
for (int j = 0; j < input[i].Length; j++)
{
arrsum += input[i][j];
}
if (arrsum > maxsum)
{
maxsum = arrsum;
isign = i;
}
}
return input[isign];
}
}8）SECTOR10-08
找出二维数组各列中元素总和最大的列，并输出该列各元素和
SKILL RATING：2
using System;
public class Program
{
public static int Puzzle(int[][] input)
{
int[] arrsum = new int[input[0].Length];
int sum = 0;
for (int i = 0; i < input[0].Length; i++)
{
sum = 0;
for (int j = 0; j < input.Length; j++)
{
sum += input[j][i];
}
arrsum[i] = sum;
}
int max = int.MinValue;
int sign = 0;
for (int x = 0; x < arrsum.Length; x++)
{
if (arrsum[x] > max)
{
max = arrsum[x];
sign = x;
}
}
return arrsum[sign];
}
}SKILL RATING：3
using System;
public class Program
{
public static int Puzzle(int[][] input)
{
int max = int.MinValue;
int sum = 0;
for (int i = 0; i < input[0].Length; i++)
{
sum = 0;
for (int j = 0; j < input.Length; j++)
{
sum += input[j][i];
}
if (max < sum)
{
max = sum;
}
}
return max;
}
}2.SECTOR11：ARRAYS 2
1）SECTOR11-01
两个数组 a,b 生成一个新的数组 c
c [i]=a [i]-b [i] (i<a、b 的长度，且 a [i]>=b [i])
c [i]=b [i]-a [i] (i<a、b 的长度，且 a [i]<b [i])
c [i]=0-b [i] (i>=a 的长度且 i<b 的长度)
c [i]=a [i]-0 (i>=b 的长度且 i<a 的长度)
SKILL RATING：1
using System;
public class Program
{
public static int[] Puzzle(int[] a, int[] b)
{
int[] c = new int[a.Length >= b.Length ? a.Length : b.Length];
for (int i = 0; i < c.Length; i++)
{
if (i < a.Length && i < b.Length)
{
c[i] = a[i] >= b[i] ? a[i] - b[i] : b[i] - a[i];
}
else if (i >= a.Length && i < b.Length)
{
c[i] = 0 - b[i];
}
else
{
c[i] = a[i] - 0;
}
}
return c;
}
}2）SECTOR11-02
将一个数组中每个元素复制一个放在自己后面，生成一个新数组
{"", "a"} → {"", "", "a", "a"}
SKILL RATING：2
using System;
public class Program
{
public static string[] Puzzle(string[] a, int amount)
{
string[] s = new string[a.Length * amount];
for (int i = 0; i < a.Length; i++)
{
for (int j = 0; j < amount; j++)
{
s[amount * i + j] = a[i];
}
}
return s;
}
}3）SECTOR11-03
一个二维方阵，判断两个对角线元素和是否相等
SKILL RATING：3
using System;
public class Program
{
public static bool Puzzle(int[][] input)
{
int sum1 = 0, sum2 = 0;
for (int i = 0; i < input.Length; i++)
{
sum1 += input[i][i];
sum2 += input[i][input.Length - 1 - i];
}
return sum1 == sum2 ? true : false;
}
}4）SECTOR11-04
SKILL RATING：3
using System;
public class Program
{
public static int[] Puzzle(int[] list, int modBy)
{
for (int i = 0; i < list.Length; i++)
{
list[i] %= modBy;
}
return list;
}
}5）SECTOR11-05
SKILL RATING：2
using System;
public class Program {
public static string[] Puzzle(string[] list)
{
string[] result = new string[(list.Length+1)/2];
for(int i=0;i<result.Length-1;i++)
{
result[i]=list[i*2]+list[i*2+1];
}
result[result.Length-1] = (list.Length%2==0)?
(list[list.Length-2]+list[list.Length-1]):(list[list.Length-1]);
return result;
}
}6）SECTOR11-06
SKILL RATING：3
using System;
public class Program
{
public static string[] Puzzle(int[] grades, int A, int B, int C, int D)
{
string[] sgrades = new string[grades.Length];
for (int i = 0; i < grades.Length; i++)
{
sgrades[i] = (
grades[i] >= A ? "A" : (
grades[i] >= B ? "B" : (
grades[i] >= C ? "C" : (
grades[i] >= D ? "D" : "E"))));
}
return sgrades;
}
}7）SECTOR11-07
SKILL RATING：3
using System;
public class Program
{
public static string[][] Puzzle(string[][] input)
{
string temp;
for (int i = 0; i < input.Length; i++)
{
for (int j = i; j < input[i].Length; j++)
{
temp = input[i][j];
input[i][j] = input[j][i];
input[j][i] = temp;
}
}
return input;
}
}
cvxpy 和 numpy 之间的版本冲突：“针对 API 版本 0xe 编译的模块，但此版本的 numpy 是 0xd”
如何解决cvxpy 和 numpy 之间的版本冲突：“针对 API 版本 0xe 编译的模块，但此版本的 numpy 是 0xd”？
我正在尝试升级一些软件包并为现有的 Python 程序整合我的 requirements.txt，以便将其移至 docker 容器。
这个容器将基于 tensorflow docker 容器，这决定了我必须使用的一些包版本。我们在 windows 下工作，我们希望能够在我们的机器上本地运行该程序（至少在一段时间内）。所以我需要找到一个适用于 docker 和 Windows 10 的配置。
Tensorflow 2.4.1 需要 numpy~=1.19.2。使用 numpy 1.20 时，pip 会抱怨 numpy 1.20 是一个不兼容的版本。
但是在使用 numpy~=1.19.2 时，导入 cvxpy 时出现以下错误。 pip 安装所有软件包都很好：
RuntimeError: module compiled against API version 0xe but this version of numpy is 0xd
Traceback (most recent call last):
File "test.py",line 1,in <module>
import cvxpy
File "c:\Projekte\algo5\venv\lib\site-packages\cvxpy\__init__.py",line 18,in <module>
from cvxpy.atoms import *
File "c:\Projekte\algo5\venv\lib\site-packages\cvxpy\atoms\__init__.py",line 20,in <module>
from cvxpy.atoms.geo_mean import geo_mean
File "c:\Projekte\algo5\venv\lib\site-packages\cvxpy\atoms\geo_mean.py",in <module>
from cvxpy.utilities.power_tools import (fracify,decompose,approx_error,lower_bound,File "c:\Projekte\algo5\venv\lib\site-packages\cvxpy\utilities\power_tools.py",in <module>
from cvxpy.atoms.affine.reshape import reshape
File "c:\Projekte\algo5\venv\lib\site-packages\cvxpy\atoms\affine\reshape.py",in <module>
from cvxpy.atoms.affine.hstack import hstack
File "c:\Projekte\algo5\venv\lib\site-packages\cvxpy\atoms\affine\hstack.py",in <module>
from cvxpy.atoms.affine.affine_atom import AffAtom
File "c:\Projekte\algo5\venv\lib\site-packages\cvxpy\atoms\affine\affine_atom.py",line 22,in <module>
from cvxpy.cvxcore.python import canonInterface
File "c:\Projekte\algo5\venv\lib\site-packages\cvxpy\cvxcore\python\__init__.py",line 3,in <module>
import _cvxcore
ImportError: numpy.core.multiarray Failed to import
重现步骤：
1.)
在 Windows 10 下创建一个新的 Python 3.8 venv 并激活它
2.) 通过 requirements.txt 安装以下 pip install -r requirements.txt：
cvxpy
numpy~=1.19.2 # tensorflow 2.4.1 requires this version
3.) 通过 test.py
python test.py
import cvxpy
if __name__ == ''__main__'':
pass
如果我想使用 tensorflow 2.3，也会发生同样的事情。在这种情况下需要 numpy~=1.18，错误完全相同。
搜索错误发现很少的命中，可悲的是没有帮助我。
我该怎么做才能解决这个问题？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）
今天的关于Numpy nanargmin和nanargmax不适用于datetime-arrays和numpy.ndarray is not callable的分享已经结束，谢谢您的关注，如果想了解更多关于Anaconda Numpy 错误“Importing the Numpy C Extension Failed”是否有另一种解决方案、Arrays.sort() VS Arrays.parallelSort()、Code Hunt SECTOR 10 - 11（Jagged Arrays & Arrays 2）、cvxpy 和 numpy 之间的版本冲突：“针对 API 版本 0xe 编译的模块，但此版本的 numpy 是 0xd”的相关知识，请在本站进行查询。
本文标签：
![[转帖]Ubuntu 安装 Wine方法（ubuntu如何安装wine）](https://www.gvkun.com/zb_users/cache/thumbs/4c83df0e2303284d68480d1b1378581d-180-120-1.jpg)
