1.map()
map()是Python内置的高阶函数,它接收一个函数f和一个lis,并通过把函数f依次作用在list的每个元素上,得到一个新的list并返回。
map() 会根据提供的函数对指定序列做映射,是内置函数(推荐学习:Python视频教程)
第一个参数 function 以参数序列中的每一个元素调用 function 函数,返回包含每次 function 函数返回值的新列表。
语法map(function, iterable, ...)
例如,对于list [1, 2, 3, 4, 5, 6, 7, 8, 9]
如果希望把list的每个元素都作平方,就可以用map()函数:
因此,我们只需要传入函数f(x)=x*x,就可以利用map()函数完成这个计算:def f(x):
return x*x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
输出结果:[1, 4, 9, 10, 25, 36, 49, 64, 81]
注意:map()函数不改变原有的 list,而是返回一个新的 list。
利用map()函数,可以把一个 list 转换为另一个 list,只需要传入转换函数。
由于list包含的元素可以是任何类型,因此,map() 不仅仅可以处理只包含数值的 list,事实上它可以处理包含任意类型的 list,只要传入的函数f可以处理这种数据类型。
原文链接:https://blog.csdn.net/weixin_29717341/article/details/113403902
2.np.array() 构建一维、多维数组
3.
np.genfromtxt(path, dtype=np.int32) #从文本文件加载数据,并按指定处理缺失值。
4.python 字典{i:j}
字典是一种可变容器模型,且可存储任意类型对象,
字典的每个键值对(key=>value)都是用冒号:分割,每个键值对之间用逗号,分割,整个字典包括在花括号{}中,格式如下:
my_dict = {key1:value1, key2:value2}
键一般是唯一的,如果重复最后的一个键值对会替换前面的,值不需要唯一。
值可以取任何数据类型,但键必须是不可变的,如字符串、数字或元组。
dict.clear()删除字典内所有元素
dict.copy()返回一个字典的浅复制
dict.fromkeys(seq[val1,val2])创建一个新字典,以序列seq中元素作为字典的键,val为字典所有键对应的初始值
dict.get(key, default = None)返回指定键的值,如果值不在字典中返回default值
dict.has_key(key)如果键在字典dict中返回true,否则返回false
dict.items()以列表返回可遍历的(键,值)元组数组
dict.keys()以列表返回一个字典所有的键
dict.setdefault(key, default=None)和get()类似,但如果键不存在于字典中,将会添加键并将值设为default
dict.update(dict2)把字典dict2的键/值对更新到dict里
dict.values()以列表返回字典中的所有值
pop(key[,default])删除字典给定键key所对应的值,返回值为被删除的值。key值必须给出。否则,返回default值
popitem()随机返回并删除字典中的一对键和值
原文链接:https://blog.csdn.net/laobai1015/article/details/85160715
5.
.flatten() 返回一个折叠成一维的数组。但是该函数只能适用于numpy对象,即array或者mat,普通的list列表是不行的
6.
.reshape(edges_unordered.shape)
numpy.reshape(a, newshape, order='C') a:需要处理的数组 newshape:变成某个样子
Tensor.
reshape
(*shape) → Tensor
7.
sp.coo_matrix
稀疏矩阵可用于算术运算:它们支持加法、减法、乘法、除法和矩阵幂。
COO 是一种用于构建稀疏矩阵的快速格式
构建矩阵后,转换为 CSR 或 CSC 格式,以实现快速算术和矩阵矢量运算
默认情况下,转换为 CSR 或 CSC 格式时,重复的 (i,j) 条目将相加。这有利于有限元矩阵等的高效构建。(请参阅示例)
8.
np.ones(edges.shape[0])
ones()返回一个全1的n维数组,同样也有三个参数:shape(用来指定返回数组的大小)、dtype(数组元素的类型)、order(是否以内存中的C或Fortran连续(行或列)顺序存储多维数据)。后两个参数都是可选的,一般只需设定第一个参数。
9.
(edges[:, 0], edges[:, 1])
10.
sp.eye
numpy.eye(N, M=None, k=0, dtype=<class ‘float’>, order=‘C’)
Return a 2-D array with ones on the diagonal and zeros elsewhere. 函数eye()的作用是返回一个对角线diagonal上全是1,而其他位置全为0的一个二维数组(2D-array)。
Parameters:
N : int,Number of rows in the output.
M : int, optional,Number of columns in the output. If None, defaults to N.
11.
normalize的作用
归一化就是要把需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内。归一化的目的简而言之,是使得没有可比性的数据变得具有可比性,同时又保持相比较的两个数据之间的相对关系,如大小关系;或是为了作图,原来很难在一张图上作出来,归一化后就可以很方便的给出图上的相对位置等。数学和物理中常出现的normalize是什么意思? - 知乎
12.
Tensor.
to_dense
() → Tensor
Creates a strided copy of self
13.
Returns a new 1-D tensor which indexes the input
tensor according to the boolean mask mask
which is a BoolTensor.
The shapes of the mask
tensor and the input
tensor don’t need to match, but they must be broadcastable.