2、数据操作

索引从0开始

一行 [1,:]

一列[:,1]

子区域：[1:3,1:]  第一行和第二行，从第一列开始

              [::3,::2] 每3行一跳，每2列一跳

torch.tensor([[1,2,3,4]]

按位置算 x+y ,x-y x*y x**y（幂）

1、广播机制形状不一样，维度一样

a=torch.arange(3) .reshape(3,1)

b=torch.arange(2).reshape(1,2)

a+b

a [[0],[1],[2]]  => 复制3行2列 [[0,0],[1,1],[2,2]]

b [[0,1]]  =》[[0,1],[0,1],[0,1]]

a+b =>[ [0,1]

            [1,2]

             [2,3]]

2、元素选择

x[-1] 最后一行

x[1:3] 第一行和第二行

x[0:2,:] =12 按区域赋值

3、id 类似指针，判断是否重新分配内存

before=id(x)

原地操作(不会新建变量）

z[:] =x+y  或者 x+=y

print(id(z))

4、转为标量,大小为1的张量

a=torch.tensor([3.5])

a.item() ,float(a), int(a)

3.5   3.5 3

5、数据切分

特征和标签：  input,output=data.iloc[:,0:2],data.iloc[:,2]

填充均值： fillna(input.mean())

分类转为特征： 如果类型是bool，加入dtype=float

6、reshape 具体值是引用

a=torch.arange(12)
b=a.reshape(3,4)
id(a)==id(b)  #false
id(a.values)==id(b.values) #true