numpy及scipy的使用

2022-08-19 20:39:10 字數 1642 閱讀 2587

把list a轉換為numpy 矩陣

np.array(a)

np.array(a, 'int32')

numpy載入txt檔案裡面的矩陣

matrix = np.loadtxt(txt_name, dtype='i', delimiter=',')
將nparray裡面每個元素轉換為int型

nparray.astype(int)
array[::2] 的用法

array.shape = (2*n,)

array.shape[::2] #表示第奇數個元素組成的向量

array.shape[1::2] #表示第偶數個元素組成的向量

numpy刪除固定行,或者固定列元素

det.shape => (4,5)

np.delete(det, (row_idx), axis=0) #axis=0表示刪除行,axis=1表示刪除列

det.shape => (3,5)

維度擴充套件

np.expand_dims(array, axis=0)    #將(96,96) 擴充套件成為(1,96,96)
通道轉換——transpose

array.shape = (batchsize, w, h ,channels)

array_new=np.transpose(array, (0,3,1,2))

numpy array與常數比較大小

array > threshold    #將得到乙個array, 它的size與原始array相同,元素由0,1構成
求和

np.sum(array)    #將array中所有元素相加
連線

np.concatenate

list = range(0,100)

np.concatenate((t[:3], t[10:]), axis=0)

numpy.clip(a, a_min, a_max, out=none) #過濾大於或小於某個區間的值

exm = np.array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],

[ 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]])

np.clip(exm, 3, 11)

output:

array([[ 3, 3, 3, 3, 4, 5, 6, 7, 8, 9],

[ 5, 6, 7, 8, 9, 10, 11, 11, 11, 11]]) #將小於區間值設定為區間低值,大於的設定為區間高值

ndimage.zoom

array.shape  = batchsize, channels, w, h

array_new = scipy.ndimage.zoom(array, (1,1,resizescale, resizescale))

Numpy及Scipy的安裝

系統 win10 python版本 3.8.1 安裝之前將pip所在的資料夾 python安裝目錄下的scripts資料夾 新增到環境變數path路徑中。不知道是不是必要的但我新增了 在python安裝目錄下的scripts資料夾內開啟cmd,win10系統下可在資料夾內 shift 滑鼠右鍵開啟w...

NumPy簡介及使用

numpy是乙個開源python科學計算庫,用於快速處理任意維度的陣列。對於同樣的數值計算任務,使用numpy比直接使用python要簡潔 快速。numpy中的陣列的儲存效率和輸入輸出效能遠優於python中等價的基本資料結構,其能提公升的效能與陣列中的元素成正比。numpy大部分 使用c語言寫的,...

numpy陣列切片介紹及使用

1.在cmd輸入 pip install numpy 2.測試一下python c import numpy 沒有報錯就正常了 numpy 最重要的乙個特點是其 n 維陣列物件 ndarray,它是一系列同型別資料的集合,以 0 下標為開始進行集合中元素的索引。ndarray物件的內容可以通過索引或...