python中numpy相关函数

1.np.linspace

np.linspace(start=1,stop=10,num=50)

在区间[1,10]之间产生50个等差数列数字

2.expand_dims(a, axis)

就是在axis的那一个轴上把数据加上去，这个数据在axis这个轴的0位置。 例如原本为一维的2个数据，axis=0，则shape变为(1,2),axis=1则shape变为(2,1) 。再例如 原本为 (2,3),axis=0，则shape变为(1,2,3),axis=1则shape变为(2,1,3)。
3.np.concate

>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6]])
>>> np.concatenate((a, b.T), axis=1)
array([[1, 2, 5],
       [3, 4, 6]])

4.np.eye()

返回的是一个二维2的数组(N,M)，对角线的地方为1，其余的地方为0.

import numpy as np
 
labels=np.array([[1],[2],[0],[1]])
print("labels的大小：",labels.shape,"\n")
 
#因为我们的类别是从0-2，所以这里是3个类
a=np.eye(3)[1]
print("如果对应的类别号是1，那么转成one-hot的形式",a,"\n")
 
a=np.eye(3)[2]
print("如果对应的类别号是2，那么转成one-hot的形式",a,"\n")
 
a=np.eye(3)[1,0]
print("1转成one-hot的数组的第一个数字是：",a,"\n")
 
#这里和上面的结果的区别，注意!!!
a=np.eye(3)[[1,2,0,1]]
print("如果对应的类别号是1,2,0,1，那么转成one-hot的形式\n",a)
 
res=np.eye(3)[labels.reshape(-1)]
print("labels转成one-hot形式的结果：\n",res,"\n")
print("labels转化成one-hot后的大小：",res.shape)



labels的大小： (4, 1) 
 
如果对应的类别号是1，那么转成one-hot的形式 [0. 1. 0.] 
 
如果对应的类别号是2，那么转成one-hot的形式 [0. 0. 1.] 
 
1转成one-hot的数组的第一个数字是： 0.0 
 
如果对应的类别号是1,2,0,1，那么转成one-hot的形式
 [[0. 1. 0.]
 [0. 0. 1.]
 [1. 0. 0.]
 [0. 1. 0.]]
labels转成one-hot形式的结果：
 [[0. 1. 0.]
 [0. 0. 1.]
 [1. 0. 0.]
 [0. 1. 0.]] 
 
labels转化成one-hot后的大小： (4, 3)