python数据处理
python学习
enumerate() 函数
将一个可遍历的对象返回其元素及其索引,使用样例如下
for i, data in enmurate(datas):
print(i, data)
也可以直接将其组合成list:
list(enmurate(datas))
Python数组修改
误区一:for循环时直接修改
for a,b in zip(list_a, list_b):
a = 1
b = 2
上述代码并不对a,b数组中的元素进行修改,直接修改方法为a[i]下标进行修改。
numpy数据处理
矩阵转置
array = array.transpose(1, 0)
将数组的行与列进行交换,方便将数据从按行遍历转为按列遍历。
归一化
根据axis的值选择需要归一化的维度,如下面语句就是对numpy数据按列进行归一化
data_norm = (data - data.min(axis=0)) / (data.max(axis=0) - data.min(axis=0))
numpy数组操作
concatenate
指定轴合并数组,合并时需保证合并维度方向大小相同
data = np.concatenate(data1, data2,axis=1)
torch.tensor数据预处理
归一化
该条语句依旧是对列进行归一化
data_norm = (data - data.min(dim=0)[0]) / (data.max(dim=0)[0] - data.min(dim=0)[0])
范数正则化
首先导入torch.nn.functional
import torch.nn.functional as fun
data_norm = fun.normalize(data, p=2, dim=0)
这里选择对列数据进行正则化,且选用L2范数进行正则化,也可以选择L1范数进行正则化,可以根据需要选择不同的正则化范数。