python数据处理&学习

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。