python常用小知识点

1：返回x中各值出现的次数
方法1：

a=np.bincount（x）

方法2：

list = [1,2,2,2,2,3,3,3,4,4,4,4]
set = set(list) 
num=[]
for item in set:
	num.append(mylist.count(item))

方法3：

>>> from collections import Counter
>>> Counter([1,2,2,2,2,3,3,3,4,4,4,4])
Counter({1: 5, 2: 3, 3: 2})

2：读取excel文件中的数据

name_head = 'char'
train_names = ['01(B)', '02(D)']
pd.read_excel('{}/S{}/S{}_train_data.xlsx'.format(DATASETS_DIR, i, i), sheet_name=name_head + train_names[j], header=None).values

3：返回数据中指定值的下标

 np.where(train_labels[:, 0] == 100)[0]  //[12 25 38 51]

4：返回删除指定下标后的数据

train_labels =np.delete(train_labels, [12 25 38 51], axis=0)

5：定义一个list并向其中追加内容

temp_datas = []
temp_datas.append(train_datas)

6：读取mat文件

scipy.io.loadmat（path）

7:向矩阵中添加行

X = np.vstack((X, positive_sample))
Y = np.concatenate((Y, np.ones(len(positive_sample), dtype=np.int)))

8：取出cuda中的数据

valid_labels = valid_labels.data.cpu().numpy()

9：保存模型的参数

 torch.save(model.state_dict(), './classifier.pk')

10:使用之前保存好的模型的参数

 model.load_state_dict(torch.load('./classifier.pk'))

11：找到数组中的最大值的下标

np.argmax（data）

12:找到t中对应的s=1的下标的值

t1 = t[s == 1]

13：找到ndarray中符合某个区间的值
a = np.arange(2000000)
nums = a[(950000 < a) & (a <= 950004)]
nums.size