Numpy

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