文章目录
Part.I 常用操作
一些一句话就可以解决的比较难的功能
p=a.index(value) # 查找列表a中，值等于value的元素的位置，仅仅是第一个位置
s = "%05d" % n # 数字转字符串，位数不够补0
a=list(range(1,n+1)) # 构造一个list，其中元素从1到n
a=list(np.full(5,np.nan)) # 得到一个所有元素都是nan的长度为5的列表
bol=np.isnan(a) # 判断a是否为nan
L=list(map(list, zip(*L))) # 转置，二维及以上
a=list(reversed(a)) # 列表反转
if len(list_a) == 0 # 判断一个list是否为空
if list_a # 不是空
p1 = np.polyfit(X, Y, 7) # 利用7次多项式拟合，返回拟多项式系数，按照阶数从高到低排列
Y1 = np.polyval(p1,X) # 根据拟合出的多项式系数和自变量X值得到拟合值
np.random.normal() # 产生一个高斯白噪声
x = np.random.randint(0, rows) # 生成指定范围内的随机整数
np.random.rand() # 返回一个服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
np.random.rand(a,b) # 返回a行b列的array,其值取值范围为[0,1)
b = b[b != 0] # 去掉数组中的 0
Gtmp=[[np.nan]*5 for i in range(33)] # 构造一个33*5的list，每个元素都是nan
index_list=[i for i,x in enumerate(a) if x==3] # 得到一个列表中元素等于某个值的元素的所有索引
mylist = [0 if math.isnan(x) else x for x in mylist] # 用 0 替换数组中的 nan
sorted(boxTypes, key=(lambda x:x[1]), reverse=True) # 将二维列表根据第二个元素的大小进行由大到小排序
Part.II 基础知识
对象赋值、浅深拷贝
| 项目 | 含义 | 图示 |
|---|---|---|
| b = a | 赋值引用，a 和 b 都指向同一个对象 |  |
| b = a.copy() | 浅拷贝, a 和 b 是一个独立的对象，但他们的子对象还是指向统一对象（是引用）。 |  |
| b = copy.deepcopy(a) | 深度拷贝, a 和 b 完全拷贝了父对象及其子对象，两者是完全独立的。 |  |
对于二维列表
取元素
a[1][1] #取出某一行某一列中的元素，返回一个数
a[1][1:3] #取出某一行某几列的元素，返回一个列表
b=[i[0] for i in a[1:3]] #取出某一列某几行的元素，返回一个列表
a[-1] #取列表最后一个元素
a[1:-1] #取从第二个元素到倒数第二个元素，注意，不含倒数第一元素
a[1:] #取从第二个元素到最后一个元素
改元素
a[0][1]=120
a[1][1:3]=[220,230]
Data=setVecIn2Dlist(vec,Data,a=[],b=0)
Chap.I 集合运算
a = [0,1,2,3,4]
b = [0,2,6]
list(set(a) & set(b)) # 使用 "&" 运算求a与b的交集，输出：[0, 2]
list(set(a) | set(b)) # 使用 "|" 运算求a与b的并集，输出：[0, 1, 2, 3, 4, 6]
list(set(b) - set(a)) # 使用 "-" 运算求a与b的差(补)集： 求b中有而a中没有的元素，输出：[6]
list(set(a) - set(b)) # 使用 "-" 运算求a与b的差(补)集： 求a中有而b中没有的元素，输出：[1, 3, 4]
list(set(a) ^ set(b)) # 使用 "^" 运算求a与b的对称差集，输出：[1, 3, 4, 6]
值得注意的是，转成set集合运算后再转回来就会改变元素的顺序，所以可以通过c.sort(key=a.index)来限制其顺序
Chap.II 数据类型转换
array=numpy.array(list) # list -> numpy.array
list=array.tolist() # numpy.array -> list
dataframe_a = pd.DataFrame(list_a) # list -> pands.dataframe
list_b=list(dataframe_a[0]) # pands.dataframe -> list
# 将一个一维列表reshape成二维列表
temp1=np.array(temp).reshape(p,l).tolist()
Chap.III 数学运算
对一个列表的数学运算——均值、方差、标准差、最值
mean_val=np.mean(a) # 求均值
mean_val=np.average(a,weight=[]) # 求加权平均值，weight的长度需与a保持一致
var_val=np.var(a) # 计算总体方差,分母是N
var_val=np.var(a, ddof = 1) # 计算方差，分母是N-1
var_val=np.var(b, axis = 0) # 计算矩阵每一列的方差
var_val=np.var(b, axis = 1) # 计算矩阵每一行的方差
std_val=np.std(a) # 计算总体标准差,用法和var一样
max_value = max(exp_list) # 求列表最大值
max_idx = exp_list.index(max_value) # 求最大值对应索引
min_value = min(exp_list) # 求列表最小值
min_idx = exp_list.index(min_value) # 求最小值对应索引
一个元素与一个列表的数学运算：
b=[i*times for i in a] # .*
b=[i/times for i in a] # ./
b=[i+times for i in a] # .+
b=[i-times for i in a] # .-
两个长度相等的列表对应元素的数学运算：
c = [a[i]+b[i] for i in range(0,len(a))] # +
c = [a[i]-b[i] for i in range(0,len(a))] # -
c = [a[i]*b[i] for i in range(0,len(a))] # *
c = [a[i]/b[i] for i in range(0,len(a))] # /
其实对更高维度的列表采取这种操作就有点费劲了，可以先将list转化为array进行运算后再用a.tolist()转回来即可。下面以相乘为例：
c=np.array(a)*np.array(b)
d=c.tolist()
并且也支持一个数与一个array相乘。
Chap.IV 删除元素的几种姿势
| 示例 | 含义 |
|---|---|
del listname[start : end] | 删除从索引 start 到 end 之间的元素，不包括 end 位置的元素。什么也不返回 |
listname.pop(index) | 删除索引值为index的元素，如果不写 index 参数，默认会删除列表中的最后一个元素，类似于数据结构中的“出栈”。返回被删除的元素 |
listname.remove(value) | 删除列表中值为value的第一个元素，若列表中不存在值为value 的元素，则会引发 ValueError 错误 |
listname.clear() | 删除列表所有元素 |
Part.III 实用小函数
下面的一些功能写到子博客中了：
- 按区间分组统计各组个数：使用
groupby()函数 - 删除三维列表特定行列页的元素
- 取三维列表特定行列页的元素
Chap.I 判断一个列表中是否所有元素都是NAN
""" Util: judge whether all the data is nan """
def mIsAllnan(data):
n = len(data)
state = False
for i in range(n):
if not (math.isnan(data[i])):
break
if i == n - 1 and math.isnan(data[i]):
state = True
return state
Chap.II 求一个列表的 RMSE
"""
get the rmse and the mean value of the data.
> @param[in] data: the data list
> @param[in] mode: mode=1: Eliminate noise
return:
< @param[out] mean_val: the mean value
< @param[out] std_val: the std value
"""
def rmse(data=[], mode=0):
mean_val = np.mean(data)
error = [i - mean_val for i in data]
std_val = np.std(error)
while mode:
a = 3
data1 = []
for i in range(len(error)):
if error[i] < a * std_val:
data1.append(data[i])
mean_val = np.mean(data1)
error = [i - mean_val for i in data1]
std_val = np.std(error)
if len(data1) == len(data):
break
data = data1
return mean_val, std_val
Chap.III 更改二维列表某一列某几行元素
def setVecIn2Dlist(vec,Data,a=[],b=0):
"""
set the specfic elements of specfic raw, cloum, page in 2D-list.
> @param[in] vec: a list
> @param[in] Data: The 2D-list
> @param[in] a: The raw index list
> @param[in] b: The column indx
return:
< @param[out] Data the 2D-list after change the elements
"""
nv=len(vec)
nd=len(Data)
if len(a)==0:
a=list(range(0,nd))
na=len(a)
if nv!=nv:
print('Error::len(vec)!=len(a)')
return Data
j=0
for i in a:
tmp=Data[i]
tmp[b]=vec[j]
j=j+1
return copy.deepcopy(Data)
附.X 一些小实验
Chap.I 二维列表实验
取元素，首先做个小实验。
比如我现在有个二维列表，它里面存储的内容为：
a=[[11,12,13,14],
[21,22,23,24],
[31,32,33,34]]
我现在想得到第二行第二列的元素，按照正常的思路，应该是a[1][1]，没错，a[1][1]确实得到了我想要的元素22。
我现在想得到第二行第二列和第三列的元素，按照正常的思路，应该是a[1][1:3]，没错，得到的结果为[22, 23]是我想要的
但是我现在想得到第1列，第二行和第三行的元素，尝试一下a[1:3][0]，得到结果为[21, 22, 23, 24]，之前的时候我觉得得到的结果很奇怪，现在看来很正常，首先a[1:3]得到的同样是一个二维列表（是原来二维列表第二行和第三行），然后[0]得到的是前一步得到的二维列表的第一行。如果想实现得到第一列，第二行和第三行的元素如何做？b=[i[0] for i in a[1:3]]，这样得到就是目标[21, 31]了。
如果现在我想改一下某个元素，比如
我想改第一行第二列的元素12为120，使用a[0][1]=120即可轻松实现
我想改第二行，第二列和第三列的元素22 23为220 230，使用a[1][1:3]=[220,230] 即可
我想改第一列，第一行和第二行的元素[11 21]为110 210，该如何去做？
可以先将二维列表转置一下，现在改列元素问题就变成了改行元素问题，使用上面的方法即可实现。
aT=list(map(list, zip(*a)))
aT[0][0:2]=[110,210]
a=list(map(list, zip(*aT)))
但是平常可能会对转置这堆操作不熟悉，所以编写了一个小函数，如上面实用小函数所示。
扫一扫
502
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
