1.切片
x = np.array([[1,2],[3,4],[5,6]])
打印(X [:2,:1])
“”[[1],[3]]
打印(X [:2,:1])
“”[[1],[3]]
2.索引
x = np.array([[1,2,3],[3,4,5],[5,6,7]])
打印(X [[0,1]])
打印(X [[0,1],[0,2]])
> [[1,5]]
打印(X [[0,1]] [:,[0,2]])
> [[1,3],[3,5]]
打印(X [[0,1]])
打印(X [[0,1],[0,2]])
> [[1,5]]
打印(X [[0,1]] [:,[0,2]])
> [[1,3],[3,5]]
3.高维数组的轴对像
k = np.arange(24).reshape(2,3,4)
生成2个三行四列的矩阵
k.transpose((1,0,2))
1和0轴进行交换
m = k.swapaxes(0,2)
0和2轴进行交换
生成2个三行四列的矩阵
k.transpose((1,0,2))
1和0轴进行交换
m = k.swapaxes(0,2)
0和2轴进行交换
a =[[1,3,3],[2,3,4]]
print(np.argmax(a,axis=0))
>>[1,0,1]
4.where函数的使用
cond = np.array([1,2,3,4])
x = np.where(cond> 2,-2,2)
打印(X)
> [2 2 -2 -2] //大于2的部分为-2。小于为2
x = np.where(cond> 2,-2,2)
打印(X)
> [2 2 -2 -2] //大于2的部分为-2。小于为2
5.mask掩体(torch,tensoflow)
①torch
a = torch.Tensor([1,2,3,4,5])
mask = torch.lt(a,3)
印刷(一个[掩模])
>>张量([1.,2.])//取出小于3的数值
mask = torch.lt(a,3)
印刷(一个[掩模])
>>张量([1.,2.])//取出小于3的数值
②tensoflow
a = tf.constant([1,2,3,4,5])
mask = tf.where(a <3)
b = tf.gather(a,mask)
mask = tf.where(a <3)
b = tf.gather(a,mask)
6.key=lambda