python-numpy学习

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

参考

numpy中transpose和swapaxes函数讲解：

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()

参考

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])) 

参考