开发环境为python
pickle
python的pickle模块实现了基本的数据序列和反序列化。通过pickle模块的序列化操作我们能够将程序中运行的对象信息保存到文件中去,永久存储;通过pickle模块的反序列化操作,我们能够从文件中创建上一次程序保存的对象。
pickle.dump(obj, file, [,protocol])
注解:将对象obj保存到文件file中去。
protocol为序列化使用的协议版本,0:ASCII协议,所序列化的对象使用可打印的ASCII码表示;1:老式的二进制协议;2:2.3版本引入的新二进制协议,较以前的更高效。其中协议0和1兼容老版本的python。protocol默认值为0。
file:对象保存到的类文件对象。file必须有write()接口, file可以是一个以’w’方式打开的文件或者一个StringIO对象或者其他任何实现write()接口的对象。如果protocol>=1,文件对象需要是二进制模式打开的。
pickle.load(file)
注解:从file中读取一个字符串,并将它重构为原来的python对象。
reshape
numpy.reshape(a, newshape, order=’C’)[source]
不改变数据的情况下给矩阵重新排列
a : 输入矩阵
newshape : 整数或者整数tuple
新shape下不改变数据量大小,如果是整数,就重新组成一个一维向量,如果是tuple,维数可以用-1表示自动判断该数据量下另一维度的大小
order : {‘C’, ‘F’, ‘A’}, 可选参数,使用指定索引顺序读取元素‘C’意味着 按C语言的方式(行存储),’F’表示按fortan语言的方式(列存储),‘A’ 表示按元素原来的方式.
>>> a = np.arange(6).reshape((3, 2))
>>> a
array([[0, 1],
[2, 3],
[4, 5]])
>> np.reshape(a, (2, 3)) # C-like index ordering
array([[0, 1, 2],
[3, 4, 5]])#按行读 0 1 2 3 4 5,按行存成2行3列
>>> np.reshape(np.ravel(a), (2, 3)) # equivalent to C ravel then C reshape
array([[0, 1, 2],
[3, 4, 5]])
>>> np.reshape(a, (2, 3), order='F') # Fortran-like index ordering
array([[0, 4, 3],
[2, 1, 5]])#按列读0 2 4 1 3 5 按列存 02 41 35
>>> np.reshape(np.ravel(a, order='F'), (2, 3), order='F')
array([[0, 4, 3],
[2, 1, 5]])
MATLAB
>> mat = [1:12]
mat =
1 2 3 4 5 6 7 8 9 10 11 12
>> reshape(mat,[3,4])
ans =
1 4 7 10
2 5 8 11
3 6 9 12
PYTHON
mat = np.arange(1,13)
mat
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
r = np.reshape(mat,(3,4))
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
r.shape
(3, 4)
PYTHON修正代码
r = np.reshape(mat, (3,4), order="F")
r
array([[ 1, 4, 7, 10],
[ 2, 5, 8, 11],
[ 3, 6, 9, 12]])
解释
需要在python程序中指明使用Fortran order, 如
np.reshape(matrix, (n,n), order="F")
Numpy默认是C order(按行存储) Matlab是 Fortran order(按列存储).
注意:通过reshape生成的新数组和原始数组公用一个内存,也就是说,假如更改一个数组的元素,另一个数组也将发生改变