分类：NumPy

2020
10-07

numpy的Fancy Indexing和array比较详解

一：FancyIndexingimportnumpyasnp#FancyIndexingx=np.arange(16)np.random.shuffle(x)print(x)#打印所有的元素print(x[2])#获取某个元素的值print(x[1:3])#切片print(x[3:9:2])#指定间距切片index=[2,4,7,9]#索引数组print(x[index])#获取索引数组中的元素的值ind=np.array([[0,2],[1,4]])#索引二维数组print(x[ind])##获取索引二维数组中的元素的值print("---------------------")X=x.reshape(4,-1)print... 继续阅读 >

2020
10-06

python numpy库np.percentile用法说明

在python中计算一个多维数组的任意百分比分位数，此处的百分位是从小到大排列，只需用np.percentile即可……a=range(1,101)#求取a数列第90%分位的数值np.percentile(a,90)Out[5]:90.10000000000001a=range(101,1,-1)#百分位是从小到大排列np.percentile(a,90)Out[7]:91.10000000000001详看官方文档numpy.percentileParameters----------a:np数组q:floatinrangeof[0,100](orsequenceoffloats)Percentilet... 继续阅读 >

2020
10-06

python numpy实现rolling滚动案例

相比较pandas，numpy并没有很直接的rolling方法，但是numpy有一个技巧可以让NumPy在C代码内部执行这种循环。这是通过添加一个与窗口大小相同的额外尺寸和适当的步幅来实现的。importnumpyasnpdata=np.arange(20)defrolling_window(a,window):shape=a.shape[:-1]+(a.shape[-1]-window+1,window)strides=a.strides+(a.strides[-1],)returnnp.lib.stride_tricks.as_strided(a,shape=shape,strides=stri... 继续阅读 >

2020
10-06

python求numpy中array按列非零元素的平均值案例

输入：numpy的array输出：一个一维的平均值arrayimportnumpyasnpdefnon_zero_mean(np_arr):exist=(np_arr!=0)num=np_arr.sum(axis=1)den=exist.sum(axis=1)returnnum/den如果要求按行的非零元素的平均值，把所有的axis=1改成axis=0补充知识：pythondataframe统计行列中零值的个数1、按行统计，返回为一个series：(df==0).astype(int).sum(axis=1)以上这篇python求numpy中array按列非零元素的平均值案例就是... 继续阅读 >

2020
10-06

Python 实现将numpy中的nan和inf,nan替换成对应的均值

nan：notanumberinf：infinity;正无穷numpy中的nan和inf都是float类型t!=t返回bool类型的数组(矩阵)np.count_nonzero()返回的是数组中的非0元素个数；true的个数。np.isnan()返回bool类型的数组。那么问题来了，在一组数据中单纯的把nan替换为0，合适么？会带来什么样的影响？比如，全部替换为0后，替换之前的平均值如果大于0，替换之后的均值肯定会变小，所以更一般的方式是把缺失的数值替换为均值（中值）或者是直接删除有... 继续阅读 >

2020
10-06

使用Numpy对特征中的异常值进行替换及条件替换方式

原始数据为Excel文件，由传感器获得，通过Pyhtonxlrd模块读入，读入后为数组形式，由于其存在部分异常值和缺失值，所以便利用Numpy对其中的异常值进行替换或条件替换。1.将'nan'替换为给定值importnumpyasnpdata=np.array([['nan',1,2,3,4],#数据类型为字符串型[10,15,20,25,'nan'],['nan',5,8,10,20]])print(data)#[['nan''1''2''3''4']#['10''15''20''25''nan']#['nan''5''8... 继续阅读 >

2020
10-01

解决numpy矩阵相减出现的负值自动转正值的问题

问题描述今天在使用Numpy中的矩阵做相减操作时,出现了一些本应为负值的位置自动转换为了正值,观察发现转换后的正值为原本的负值加上256得到,具体情况如下:正常情况矩阵相减样例如下>>>importnumpyasnp>>>arr=np.array([98,100,103,161,192,210])>>>brr=np.array([105,105,106,197,196,195])>>>crr=arr-brr>>>print(crr)[-7-5-3-36-415]错误代码如下：path='./image/Blur/blur5.png'kernel_size=(21,21);s... 继续阅读 >

2020
10-01

浅谈numpy中np.array()与np.asarray的区别以及.tolist

array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会。1.输入为列表时a=[[1,2,3],[4,5,6],[7,8,9]]b=np.array(a)c=np.asarray(a)a[2]=1print(a)print(b)print(c)从中我们可以看出np.array与np.asarray功能是一样的，都是将输入转为矩阵格式。当输入是列表的时候，更改列表的值并不会影响转化为矩阵的值。2.输入为数组时a=np.random.rando... 继续阅读 >

2020
09-29

Pytorch使用PIL和Numpy将单张图片转为Pytorch张量方式

我就废话不多说了，大家还是直接看代码吧！#!/usr/bin/python#-*-coding:UTF-8-*-fromPILimportImageimportnumpyasnpimporttorchpil_img=Image.open('/Users/songlu/Desktop/code.jpg')img=np.array(pil_img)printtorch.from_numpy(img)补充知识：pytorchmxnet多GPU训练batch的区别区别有很多，这是一点点不一样1、mxnet的batch，设置的是单卡的，多卡是batch*多卡，多一张卡，速度可以提升一倍2、pytor... 继续阅读 >

2020
09-29

计算Python Numpy向量之间的欧氏距离实例

计算PythonNumpy向量之间的欧氏距离，已知vec1和vec2是两个Numpy向量，欧氏距离计算如下：importnumpydist=numpy.sqrt(numpy.sum(numpy.square(vec1-vec2)))或者直接：dist=numpy.linalg.norm(vec1-vec2)补充知识：Python中计算两个数据点之间的欧式距离，一个点到数据集中其他点的距离之和如下所示：计算数两个数据点之间的欧式距离importnumpyasnpdefed(m,n):returnnp.sqrt(np.sum((m-n)**2))i=np.array(... 继续阅读 >

2020
09-29

python numpy矩阵信息说明,shape,size,dtype

我就废话不多说了，大家还是直接看例子吧！importnumpyasnpfromnumpyimportrandommatrix1=random.random(size=(2,4))#矩阵每维的大小printmatrix1.shape#矩阵所有数据的个数printmatrix1.size#矩阵每个数据的类型printmatrix1.dtype补充知识：Python：查看矩阵大小，查看列表大小对于Python3.5查看矩阵大小>>>importnumpyasnp>>>fromnumpyimportrandom>>>matrix=random.random(size=(2,4))>>>matrix.shape#... 继续阅读 >

2020
09-29

numpy矩阵数值太多不能全部显示的解决

numpy矩阵数值太多不能全部显示，可以运行以下命令令全部数值展示出来np.set_printoptions(threshold='nan')补充知识：python中numpy的默认使用科学计数法显示数据的改变办法在文件头加一句代码：importnumpyasnpnp.set_printoptions(suppress=True)以上这篇numpy矩阵数值太多不能全部显示的解决就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持自学编程网。... 继续阅读 >

2020
09-28

numpy库ndarray多维数组的维度变换方法(reshape、resize、swapaxes、flatten)

numpy库对多维数组有非常灵巧的处理方式，主要的处理方法有：.reshape(shape)：不改变数组元素，返回一个shape形状的数组，原数组不变.resize(shape)：与.reshape()功能一致，但修改原数组In[22]:a=np.arange(20)#原数组不变In[23]:a.reshape([4,5])Out[23]:array([[0,1,2,3,4],[5,6,7,8,9],[10,11,12,13,14],[15,16,17,18,19]])In[24]:aOut[24]:array([0,1,2,3,4,5,6,7,8,9,... 继续阅读 >

2020
09-27

Numpy一维线性插值函数的用法

直接列出函数：numpy.interp(x,xp,fp,left=None,right=None,period=None)x-表示将要计算的插值点x坐标xp-表示已有的xp数组fp-表示对应于已有的xp数组的值left-表示当x值在xp中最小值左边时，x对应y的值为leftright-表示当x值在xp中最大值右边时，x对应y的值为right（left和right表示x在xp的域外时，y的取值）example：1.importnumpyasnpxp=[1,2,3]fp=[3,2,0]print(np.interp(2.5,xp,fp))output：1.02.... 继续阅读 >

2020
09-27

numpy库reshape用法详解

numpy.reshape（重塑）给数组一个新的形状而不改变其数据numpy.reshape(a,newshape,order='C')参数：a：array_like要重新形成的数组。newshape：int或tuple的整数新的形状应该与原始形状兼容。如果是整数，则结果将是该长度的1-D数组。一个形状维度可以是-1。在这种情况下，从数组的长度和其余维度推断该值。order：{'C'，'F'，'A'}可选使用此索引顺序读取a的元素，并使用此索引顺序将元素放置到重新形成的数组中。'C'意味着使用... 继续阅读 >

2020
09-25

Numpy 理解ndarray对象的示例代码

  numpy作为python科学计算的基础模块，支撑起了pandas、matplotlib等使用。其中，ndarray作为numpy的重要使用对象不得不研究理解一下。  ndarray，存储单一数据类型的多维数组结构，在内存中连续存在，以行索引和列索引的方式标记数组中的每一个元素。采用预编译好的C语言代码，性能上的表现十分不错。1、ndarray的数据结构2、ndarray的创建numpy主要有以下几种方式创建数组。除此之外，其他过程也可能产... 继续阅读 >