- 博客(10)
- 收藏
- 关注
RSS订阅
1原创 关于列表的一些操作
1、在列表的最后增添元素list = [0, 1, 2, 3, 4, 5, 0, 7, 8, 9]list.append(10)运行结果[ 0, 1, 2, 3, 4, 5, 0, 7, 8, 9，10]2、在列表中插入元素，第一个位置代表索引，第二个位置代表插入的元素；例如在list中在索引为0的位置上插入元素1list = [0, 1, 2, 3, 4, 5, 0, 7, 8, 9]list.insert(0,1)运行结果[1, 0, 1, 2, 3, 4,
2022-05-13 16:59:42
300
原创 数组合并小方法
合并方法不在多，在精。网上有很多种数组合并的方法，其实只需要找到一种就可以了。我的数据要求在纵轴上进行合并，如果后续还需要其他方向上的合并，会继续更新。一、纵轴上进行合并1、对一维数据在纵轴上进行合并import numpy as npa=np.load('E:/上采样/label.npy')b=np.load('E:/下采样/label.npy')c=np.append(a, b) 2、对多维数据在纵轴上进行合并import numpy as npa=np.l
2022-05-09 11:46:31
128
原创 不均衡数据的处理方法
大部分的真实数据都是不均衡的，如果数据量太悬殊，很影响后续模型的训练我的数据，真的是很废了Counter({1: 20863, 2: 19187, 9: 8654, 5: 2543, 4: 1060, 7: 488, 13: 466, 6: 200, 3: 21, 11: 16, 10: 6, 14: 4, 12: 3})这几天也看了很多对数据进行处理的方法，除非迫不得己，不会草率的只用欠采样或者过采样，尤其是我这种数据，太伤了1、首先查看一下数据分布from collection
2022-05-04 15:46:46
900
原创 处理一维数据中的常见问题
这段时间一直在做一关于维数据的问题，作为新手小白，也是踩了很多雷，浪费了很多时间1、先检测数据里面有没有nan值，若是后续出现有关finite的问题，大概率也是因为数据里有nan值mag是我自己的csv数据import numpy as npprint(np.isnan(mag).any()) #False代表没有nan值print(np.isfinite(mag).all()) #查看mag里是否有无限值 True为不包含2、如果数据里存在nan数据，由于我的数
2022-05-04 15:31:38
242
原创 numpy和list之间的转换
1、list转换为numpy比较简单numpy.array(list)2、numpy转换为list找了很多blog，很多都说用list直接转换，对我来说完全没用，很鸡肋array.tolist()array是需要转换的numpy数据
2022-04-27 18:16:42
2248
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人