Numpy处理遇到的一些问题

前言

这里主要记录numpy遇到的一些问题，目录有点凌乱，日后再做整理

---

Next：寻找非0元素

问题描述
寻找numpy中非的0元素

问题解决
方法有三种，如下

# 1，返回的是两个adarray，代表了位置索引
a = np.array()
row, col = [i for i in np.nonzero(a)]
nonzero = []
for i, j in zip(row, col):
	nonzero.append(a[i, j])  # 位置索引


# 2，直接返回非0的值
a[a!=0]

# 3
where = np.where(a==0)
row, col = [i for i in where]
之后和1一样

Next：扩张与压缩维度

问题描述
想压缩数据的维度，有维度是多余的，如何将他们去掉

问题解决
运用numpy的np.squeeze函数

a = np.random.random((1,4))
print(a)

b = np.squeeze(a, axis=0)
print(b)
print(b.shape)

# out
[[0.87072838 0.55459801 0.20885144 0.72031326]]
[0.87072838 0.55459801 0.20885144 0.72031326]
(4,)

需要注意的是：

1. np.squeeze只能够压缩本来是1维的数据，如果压缩不是1维度的维度则会产生报错
2. 与np, squeeze相反的操作是np.expand_dims，能够扩张维度。这在pytorch中，相同功能的操作是torch.unsqueeze

---

Next：数据的重复repeat

问题描述
当我们说重复数据的时候，一般会有两种方式

1. 以数据本身一个整体为单位，重复n次，这种操作实际上就是拼接操作
2. 复制数据的某一行，或者是某一列，使其重复n次
   上述两种操作的实现方法是不同的，第一种操作可以调用numpy的repeat方法，第二种操作可以写循环用np.concatenate进行实现

a = np.array([[1,3,4],[4,5,6]])
a

# out
[[1 3 4]
 [4 5 6]]

第一种操作的实现，以整体为单位，重复复制n次

# 复制某一行
n = 5
for index in range(n):
    concat = np.concatenate([concat, a], axis=0) if index!= 0 else a
print(concat)

# out, a has been concat n times 
[[1, 3, 4],
 [4, 5, 6],
 [1, 3, 4],
 [4, 5, 6],
 [1, 3, 4],
 [4, 5, 6],
 [1, 3, 4],
 [4, 5, 6],
 [1, 3, 4],
 [4, 5, 6]]

第二种操作的实现，以某一行或者某一列为单位进行复制，调用repeat函数，调用有两种方式

• 通过函数方式调用，np.repeat()
• 通过NumPy.ndarray对象调用对象方法实现object.repreat()

a = np.array([[1,3,4],[4,5,6]])
np.repeat(a, 2, axis=0)

# 输出
array([[1, 3, 4],
       [1, 3