python第一步

python第一步

python第一步

1. numpy

import numpy as np
a=np.array([1,2,3,45])#创建以为的narray
a2=np.array([[1,2,3,4,5],[6,7,8,9,10]])

print(a[0:1])#截取第一行，返回[[1 2 3 4 5]]
print(a[1,2:5])#截取第二行，第三、四、五列，返回[8,9,10] 包括2不包括5
print(a[1,:])#截取第二行，返回[6 7 8 9 10]

矩阵合并
a1=np.array([[1,2],[3,4]])
a2=np.array([[5,6],[7,8]])
print(np.hstack([a1,a2]))#参数传入时要以列表list或元组tuple的形式传入
#横向合并
[[1 2 5 6]
 [3 4 7 8]]
 print(np.vstack((a1,a2)))
 #纵向合并
 [[1,2]
  [3,4]
  [5,6]
  [7,8]]
  矩阵的合并也可以通过concatenate方法
  np.concatenate((a1,a2),axis=0)等价于np.vstack((a1,a2))
  np.concatenate((a1,a2),axis=1)等价于np.hstack((a1,a2))

• 2

one-hot encoding
one-hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效

from sklearn import preprocessing

enc = preprocessing.OneHotEncoder()

enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])

enc.transform([[0, 1, 3]]).toarray()

输出结果：
array([[1., 0., 0., 1., 0., 0., 0., 0., 1.]])

• 3 argparse
  argparse是python用于解析命令行参数和选项的标准模块，作用是解析命令行参数

使用步骤
import argparse
parser=argparse.ArgumentParser()
parser.add_argument()
parser.parse_args()

解析：首先导入模块，然后创建一个解析对象，然后向该对象中添加你要关注的命令行参数和选项，每一个add_argument方法对应一个你要关注的参数或选项，最后调用parse_args方法进行解析

4、tf.palceholder
一个占位符

p=tf.placeholder(tf.float32)
t=p+1.0
t.eval()#失败
t.eval(feed_dict={p:2.0})#feed数据到placeholder，ok

5、dict
（1）字典的介绍 d={key1:value1,key2:value2}
dictionary是python中最有用的数据类型，字典是无需的对象集合
字典当中的元素是通过键来存取的，而不是通过偏移存取
字典是一种映射类型，他是一个无序的键：值对集合
和字符串一样，list可以被索引和切片
key必须使用不可变类型，必须是唯一的（不可变元素：数字，字符串，元组）
（2）字典创建
使用花括号
dict={key1:values,key2:values}
或者d=dict{},再添加相应的元素
使用内联函数dict（）
d=dict()
6、tfrecord

7、expand_dims
    作用：增加一个维度
    假设一个数组A，A是一个两行三列的矩阵，记为（2,3），第0维，是‘2’行，第‘1’维，是‘3’列
    这个函数的作用，就是在第‘axis’维，加一个维度出来，原先的‘维’，推到右边去
    eg 设置axis=0，则A矩阵大小变为（1,2,3），就从2*3的二维矩阵变成了1*2*3的三维矩阵；如果设置axis为1                 则矩阵变成（2,1,3），变成了2*1*3的三维矩阵，axis为2的时候，就变成了（2,3,1）
   8、TensorFlow高阶读写
   最常用的使用tf.placeholder(),使用这个方法我们需要提前处理好数据格式
   parse_example是把example解析为词典型的tensor
   def perse_example(serialized,features,name=None,example_nams=None)
   serialized:一个batch的序列化的example
   features，解析example的规则
   name：当前操作的名字
   example_name：当前解析example的proto名称
   features是把serialized的example中按照键值映射到三中tensor：（1）varlenFeature（2）SparseFeature（3）FixedLenFeature

有符号类型
9、TensorFlow中的数据类型dtype
有符号类型

tf.int8:  8位整数
tf.int16: 16位整数
tf.int32:32位整数
tf.int64:64位整数

无符号类型

tf.uint8:8位无符号整数
tf.uint16:16位无符号整数

浮点型

tf.float16:16位浮点数
tf.float32:32位浮点数
tf.float64:64位浮点数
tf.double:等同于tf.float64

字符串型

tf.string :字符串

布尔型

tf.bool:布尔型

复数型

tf.complex64:64位复数
tf.complex128:128位复数

10 tf.reshape
reshape就是把矩阵的形状转一下