随记知识点Pandas,numpy

随记知识点

1、 符号计算（符号式的库）

• 我的理解：符号计算是先定义好变量，然后定义计算图确定变量间的计算关系，如我们定义的conv_op，就确定了输入和权重间的连接关系，故计算图中变量的维度和大小都是要确定好的。编译了的没有问题的计算图是没有数据的空壳子，只有当把参与运算的数据放进去之后，整个计算图才有了活力，才会动起来，才会计算连接的输出。

2、keras的Dense就是全连接层。

3、np.random()

直接导入import random，也可以。random.randint(1,10) # 产生 1 到 10 的一个整数型随机数【http://www.runoob.com/python/func-number-random.html】

# 注意书写格式
np.random.rand(4,3)  4行3列，0-1之间均匀分布的数据。
np.random.randint(1,6,2) 从给定的上下限1到6中，选取2个整数。
np.random.randn(4,3) 4行3列的正态分布（确定的均值为0，标准差为1）的随机数据。
np.random.normal(均值，标准差，size=(4,3)) 不指定均值标准差时，和randn一样，只不过书写格式要多一个括号，好处是可以指产生各式各样的高斯分布。
np.random.uniform(low,high,size)  从一个均匀分布[low,high)中随机采样。low: 采样下界，float类型，默认值为0；high: 采样上界，float类型，默认值为1；size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。

4、whl文件

python下载的第三方安装包，以whl结尾的，直接在命令行中用 pip install …whl就行。
os.mkdir(‘name’) 在项目所在路径下，建立一个文件，名为name
os.getcwd() 输出当前项目所在目录
sys.version_info<(3,) 判断是Python2还是Python3
assert 用来判断yes or no，是no的话执行下一句。

5、pandas

import pandas as pd
#sep可以指定分隔符
data1=pd.read_csv=("test.csv", sep=',')#自动把第一行作列属性，第一行不能用
data2pd.read_csv("test.cvs",hearder=None)#不把第一行作列属性

data1=data1.conlumns(["A","B"])#修改列属性
data1=data1.reindex(["1","2"])#修改行属性