学习numpy库
1. 交换数组的维度shape
从(图片高度, 图片宽度, 3)重塑为(3, 图片高度, 图片宽度)
img = np.swapaxes(img, 0, 2) # 交换第一维和第三维度
img = np.swapaxes(img, 1, 2) # 交换第二维和第三维度
2. 添加ndarray维度
2.1 numpy.expand_dims()
作用:添加ndarray的维度
示例:
data = [[1, 2, 3], [4, 5, 6]]
data = np.expand_dims(data, axis=-1)
print(data)
输出:
[[[1], [2], [3]], [[4], [5], [6]]]
解析:
axis=-1表示最里面的维度,比如[[1, 2, 3], [4, 5, 6]],他的shape为(2, 3),是一个二维数组。axis为-1表示(3,)这个维度,就是到达最里面的数据1,这个深度。
如果axis为0
data = [[1, 2, 3], [4, 5, 6]]
data = np.expand_dims(data, axis=0)
print(data)
输出:
[[[1, 2, 3], [4, 5, 6]]]
0维代表自己,最外面的维度。
要想达到[[[1], [2], [3]], [[4], [5], [6]]]这个效果这里也可以写:
data = np.expand_dims(data, axis=2)
2.2 numpy.newaxis()
img = img[np.newaxis, :]
3. reshape(1,-1)什么意思?
def numpy_reshape():
data = np.array([[1,2,3], [4,5,6], [7,8,9]])
# data = np.random
print("一行:")
print(data.reshape(1, -1)) # -1就是不指定列数,这里将数据做成一行
print("一列:")
print(data.reshape(-1, 1)) # -1就是不指定行数,这里将数据做成一列
numpy_reshape()
其它学习链接
numpy.log(math.log)
利用Numpy对特征中的异常值进行替换及条件替换
python︱numpy、array——高级matrix(替换、重复、格式转换、切片)
numpy中的mean()函数
numpy.split()函数
numpy.stack最通俗的理解
numpy-argsort函数(详细、通俗易懂)
Python的numpy库中rand(),randn(),randint(),random_integers()的使用
Bugs:
Bug1:ValueError: setting an array element with a sequence.
solution1:
在创建NDarray时候没有让所有的元素放在一个中括号里
错误示例:
a1 = nd.array([[1,1,2],[2,3,3]],[[4,3,3],[5,4,4]])
正确示例:
a1 = nd.array([[[1,1,2],[2,3,3]],[[4,3,3],[5,4,4]]])
solution2:
a1 = nd.array([[[1,1,2],[2,3,3]],[[4,3,3],[5,4,4]]])
b1 = np.array([[[8,8,8],[8,8,8]],[[9,9,9],[9,9,9]]], dtype=np.uint8) # 这里很重要,没有规定为uint8就无法以图片输出
# b1[:][:][0]等同于b1[:, :, 0]
a1[:][:][0] = b1[:][:][1] # 这样赋值可以,mxnet.ndarray比较强大
b1[:][:][0] = a1[:][:][1] # 不能给numpy这样赋mxnet.ndarray的值,会报上面的那个错误,mxnet.ndarry的值无法直接赋给numpy.ndarray
Bug2:TypeError: Expected cv::UMat for argument ‘mat’
solution:
说明此格式不适合cv2来以图片输出,cv2支持numpy.array格式的数据
Bug3:ValueError: The truth value of an array with more than one element is ambiguous
scene:
当比较numpy数组时
images[1][i][j][:] == np.array([0,0,0])
exception:
ValueError: The truth value of an array with more than one element is ambiguous
solution:
加all()或any():
all(images[1][i][j][:] == np.array([0,0,0]))