python 机器学习中常用的数据处理方法

简介改变数组的维度 reshape 对列表排序 list.sort() 转换为数字 int(str) 按分隔符分割字符串 str.split('.') 插入新的维度 np.newaxis a=np.array([1,2,3,4,5]) aa=a[:,np.newaxis]        &nbs

改变数组的维度

reshape


对列表排序

list.sort()


转换为数字

int(str)


按分隔符分割字符串

str.split('.')


插入新的维度

np.newaxis

a=np.array([1,2,3,4,5])
aa=a[:,np.newaxis]            # [[1][2][3][4][5]]
aa=a[np.newaxis,:]            # [[1 2 3 4 5]]


Python中的 // 与 / 的区别
" / "  表示浮点数除法,返回浮点结果;
" // " 表示整数除法,返回不大于结果的一个最大的整数


numpy求平均值的维度

>>> a = np.array([[1, 2], [3, 4]])
>>> np.mean(a) # 将上面二维矩阵的每个元素相加除以元素个数(求平均数)
2.5
>>> np.mean(a, axis=0) # axis=0,计算所有子数组的平均值
array([ 2., 3.])
>>> np.mean(a, axis=1) # axis=1,对每一个子数组,计算它的平均值
array([ 1.5, 3.5])


a.squeeze(axis):降维
需要降低的维度,必须为1,不为1时操作无效果。
a.squeeze(axis)默认是将 a 中所有为 1 的维度删掉。

a.unsqueeze(axis):升维
在参数指定的位置增加一个维度。
x.unsqueeze(0) # 在第一维增加


Python 将numpy array由浮点型转换为整型
使用numpy中的astype()方法可以实现 .astype(int)


python-numpy如何初始化数组值全为nan (某值)

import numpy as np
data = np.full((2, 2), np.nan)
print(data)  # [[nan nan] [nan nan]]






新加评论 评论标题: