Numpy笔记

• np.spacing(1)==np.finfo(np.float64).eps

numpy.spacing(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'spacing'>

返回x和最近相邻数字之间的距离。（Python能表示的小数与其整数位的保持一定的相对大小）

参数:	x : array_like 要查找的间距的值。 out : ndarray、none或ndarray和none的元组，可选 存储结果的位置。如果提供，它必须具有输入广播到的形状。如果没有提供或 None ，将返回新分配的数组。元组（只能作为关键字参数）的长度必须等于输出数。 在哪里？ : 阵列式，可选 值“真”表示在该位置计算ufunc，值“假”表示只保留输出中的值。 **kwargs 有关其他仅限关键字的参数，请参见 ufunc docs .
返回:	out : ndarray或scalar 值的间距 x . 这是一个标量，如果 x 是标量。

笔记

它可以被视为eps的一个泛化： spacing(np.float64(1)) == np.finfo(np.float64).eps ，之间不应存在任何可表示的数字 x + spacing(x) 对于任何有限的x。

+-inf和nan的间距为nan。

实例

>>> np.spacing(1) == np.finfo(np.float64).eps
True

• numpy交换维度以及pytorch交换维度

numpy: 使用transpose, 虽然拥有swapaxes, 但是只可以交换两维数据
pytorch: 使用permute, 虽然拥有transpose,但是只可以交换两维数据

numpy库对多维数组有非常灵巧的处理方式，主要的处理方法有：

• .transpose(shape): 不带参数就是转置，和.T相同，带参数就是交换维度

• .reshape(shape) ： 不改变数组元素，返回一个shape形状的数组，原数组不变
• .resize(shape) ： 与.reshape()功能一致，但修改原数组
• .swapaxes(ax1,ax2) ： 将数组n个维度中两个维度进行调换，不改变原数组
• .flatten() ： 对数组进行降维，返回折叠后的一维数组，原数组不变

•  转换类型, np.cast查看可转换类型

.astype(np.int32)#一定不要带''