Numpy API
矩阵操作
np.squeeze(mat)
: 将mat降维np.linalg.norm(x, axis=1, keepdims=True)
: keepdim=True是防止出现shape为(3,)奇怪的秩为1的数组, 如果axis=1, 计算每一行的向量的模np.power(A1, 2)
: 矩阵A1中的每一个元素的幂次方np.c_[A, B]
: 将矩阵A与矩阵B竖下来拼接, 得到的结果在转置np.r_[A, B]
: 将矩阵A与矩阵B横着拼接img.reshape(img.shape[0], -1)
将shape为(a, b, c, d)的矩阵转为shape为(b * c * d, a), -1是关键, 经常使用此方法将图片数据集转为一列一列的像素数据, 称之为lattenarr.reshape(-1, 1)
: 将arr转为列向量, 此技巧可以直接将图像处理中的图像转为一个列向量np.sum(mat)
: 与Matlab中不同, 在Matlab中如果不添加其他辅助的参数, 则默认只计算列方向的和, 在numpy中是所有元素的和arr[pad:-pad]
: 返回数组中pad下标开始到对称位置之间的元素, 不包括pad和-padnp.set_printoptions(threshold=sys.maxsize)
: 在numpy打印出矩阵的时候不会使用...
省略部分矩阵元素np.asarray(list)
: 将Python的list转为ndarraynp.argsort(arr)
: 对元素内容进行排序, 返回排序后原来元素位置的listnp.argmax
np.argmin
生成随机数
np.random.seed(1)
: 指定随机数生成种子, 这样每次固定次数调用生成的随机数是固定的np.random.rand(2, 3)
: 生成2x3的随机数矩阵, 一般不使用np.random.random(2, 3)
rdm = np.random.RandomState; rdm.seed(1)
: RandomState对象, 通过它可以调用很多随机数方法
matplotlib API
画图
plt.scatter(X[0, :], X[1, :], c=Y[0, :], cmap=plt.cm.Spectral)
: X[0, :]与X[1, :]为x轴与y轴, c为值, 会使用颜色表示, cmap是颜色种类, 颜色的中阿里的plt.cm中有plt.gca()
: 返回当前的axes坐标轴
seaborn API
sns.boxplot()
: 绘制箱图, 用于判断离群点sns.heatmap()
: 热图, 一般绘制关系矩阵判断特征之间的关系
scipy API
scipy.misc.toimage(array, cmin=0, cmax=1)
: 底层调用PIL, 将array矩阵(值的范围在0-1), 转为图像, 返回PIL中的Image对象, Image.save(filename)即可保存图像
转载于:https://www.cnblogs.com/megachen/p/10661072.html