对数列list、数组array、元组tuple、矩阵、向量操作的中文总结常用用法
https://www.cnblogs.com/deepleo/p/python-list-tuple-dict.html
1. list能改变元素,tuple不可以。
2. numpy array 和 python list 有什么区别?
标准Python的列表(list)中,元素本质是对象。如:L = [1, 2, 3],需要3个指针和三个整数对象,对于数值运算比较浪费内存和CPU。因此,Numpy提供了ndarray(N-dimensional array object)对象:存储单一数据类型的多维数组。
array的基本操作
https://www.cnblogs.com/oftenlin/p/7856389.html
注意,在用a = np.array([...])赋值的时候才用到圆括号,因为这是function的圆括号。当输出a的时候,没有圆括号,只有方括号。多少个嵌套的方括号对表示有多少个维度。
3. 如何循环处理一个矩阵(数组) (n dimension array)
假如一个三维矩阵的type和shape如下,即将二维数据打包,每一个二维数组为一组单独再打包,有127组。
<class 'numpy.ndarray'>, (127, 1, 2)
则可用以下循环对127组二维数据进行画图处理
也就是说,假如我们数据是三维的s [i][j][k],再for循环中将取i来进行循环,在每一个循环中处理s[j][k]
4. dataframe 和 series的介绍:https://www.cnblogs.com/sirkevin/p/5741853.html
关于如何提取dataframe中的操作:https://blog.csdn.net/wanglingli95/article/details/78887771
5. np.dot()和 np.multiply()/星号(*)三种乘法运算的区别
https://blog.csdn.net/u012609509/article/details/70230204
https://blog.csdn.net/like4501/article/details/79753346
简而言之,矩阵乘法(也就是dot)之后得到矩阵
星乘表示矩阵内各对应位置相乘,矩阵a*b下标(0,0)=矩阵a下标(0,0) x 矩阵b下标(0,0) ( np.multiply 与*相同)
6. 如何用多维数组A作为索引提取另一多维数组B的元素
https://blog.csdn.net/linyijiong/article/details/86497248
7. 获取一个列向量 (特别注意对于一位数组的情况)
8. 利用向量与矩阵相乘 ()
但向量与向量无法相乘
9. counter 计数
http://www.pythoner.com/205.html
a = counter()
b = counter.most_commom()
a 是一个counter类的对象,形式非常像字典。可以用作for循环。如下面所示
for循环遍历counter中的key,赋值给word。a[word]返回的是该word的储存数量,而非该word。
b=counter.most_commom() 返回一个列表list,列表中有多个数组tuple
10. set和list的区别
set中的元素不会也不能重复,但list可以。因此可以用set作为类别的组合
https://docs.python.org/3/tutorial/datastructures.html#sets
11. enumerate,给可循环对象中的每个元素都附加索引
http://www.runoob.com/python/python-func-enumerate.html
比如,当需要对一个列表的每个不同元素都赋予独特的数字标签,可以先将list转为set,然后创建一个空字典,通过循环把不同元素和对应的数字标签放到字典里,以方便对应提取元素的数字编号。
12. 通过参数形式在一个函数中调用其他函数 (在该函数的参数列表中不用写入被调用函数的参数,但在函数实现部分要写入)
13. zip 压缩 解压缩
http://www.runoob.com/python/python-func-zip.html
14. for循环的循环内容与for同一行 (计算discount)
将list转为array
可知这种单行for语句可以自动遍历list或array (可循环对象 iterable),每循环一次索引+1,得到的值赋到对应的索引上。
https://zhidao.baidu.com/question/1836322078659552860.html
注意,一定要用[ ]将for循环的语句括起来,已得到一个列表list,否则会报错
以下才是正确的
15. for循环同时迭代多个对象
for中的每一次对象都为一个tuple的时候,可以a,b...来单独取出tuple对应的元素
for循环同时迭代多个对象
https://blog.csdn.net/dfq12345/article/details/78318795
16. 类的初始化 ,继承, 父类, 子类 (super)
The arguments are transfered to base class.
class subclass(baseclass():
super(subclassname, self).__init__(arg1, ....)
http://funhacks.net/explore-python/Class/super.html
17. 求四分位距
求数组a的中位数: np.median(a)
求数组a的四分位数: np.percentile(a, [25, 50, 75], axis = 0)
#求list a,b,c,d 每一列的四分位数 np.percentile(np.array(a,b,c), [25, 50, 75], axis = 0)
a,b,c,d的长度相同, 返回长度也相同的三组数据,分别是Q1,Q4,Q3
18. plt画图
颜色列表:
https://www.cnblogs.com/darkknightzh/p/6117528.html
用legend() 可以显示线的label:
https://blog.csdn.net/lixintong1992/article/details/52039215
箭头:
http://www.liujiangblog.com/course/data/265
https://matplotlib.org/users/annotations.html#plotting-guide-annotation
修改字体prop和位置loc:
font1 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size' : 15,
}
plt.legend(prop=font1, loc = 4)
https://blog.csdn.net/zhangqilong120/article/details/72633115
19. np.newaxis
增加一个维度
https://blog.csdn.net/qq1483661204/article/details/73135766
20, np.cumsum
依次叠加数据 (维度不变)
21. python中’*’和’**’的使用分两个方面,一个是计算,另一个是参数传递过程中元素的打包和解包。 (方便操作,但不是必要)
https://blog.csdn.net/qq_29343201/article/details/51600340
比如在DDPG中init参数,输入uniform的upper bound 和lower bound可以用得到(将tuple中的元素逐个输入)
22. 如果想把一个函数赋予到一个变量名中,赋予的时候函数后面的括号不用带上(假如暂时不用带入参数的话)。
gate = F.relu
即可
23. matplot 条形图 在横轴或纵轴标注 百分比
https://blog.csdn.net/u014712482/article/details/80571938
本人实现代码
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter
figsize = 15,9
figure, ax = plt.subplots(figsize=figsize)
plt.rcParams['font.family'] = ['Times New Roman']
plt.rcParams.update({'font.size': 25})
error_config = {'ecolor': '0.1','capsize':26}
std_men = (.2, .3, .4, .1, .2)
index = [0, 1,2,3,4]
values = [5,4,8.5,10,10]
plt.xticks(index,['without AC','0','10','30','50'])
plt.bar(index, values,width=0.7, color=['b','r','g','g','g'],error_kw=error_config,yerr=std_men)
def to_percent(temp, position):
return '%1.0f'%(10*temp) + '%'
plt.gca().yaxis.set_major_formatter(FuncFormatter(to_percent))
plt.xlabel("Episodes of demonstration with anomalies happened")
plt.ylabel("Task success rate")
plt.title("Kitting Task")
plt.grid(True, linestyle='--', alpha=0.8)
plt.plot()