一、矩阵数组运算相关的：
1. np.concatenate 数据连起来
x=np.array([[1,2],[3,4]])
y=np.concatenate(x)
[1,2,3,4]
2. np.flatnonzero
找出是那个class的index
复制代码
1
2
3
classes=np.array([1,0,3,2,1,1,0,3])
np.flatnonzero(classes==1)
>>> array([0, 4, 5], dtype=int32)3. np.hstack 数组加一列
复制代码
1
2
3
4
5
x=np.array([[1,2],[2,3],[3,4]])
np.hstack([x,np.ones((len(x),1))])
>>> array([[ 1., 2., 1.],
[ 2., 3., 1.],
[ 3., 4., 1.]])4. 正确率 np.array(x==y).sum()/len(x)
因为正确的为1，错误的为0，直接sum
复制代码
1
2num_correct=np.sum(y_label==y_test) accuracy=float(num_correct)/n_test
直接用mean
复制代码
1accuracy=np.mean(y_label==y_test)
5. np.array_split(range(6),3)
复制代码
1
2
3
4
5
6
7
range_split=np.array_split(range(6),3)
>>>[array([0, 1]), array([2, 3]), array([4, 5])]
x_folds=[ x[range_split[i] for i in range(3)]
>>>x
> [1,2,3,4,5,6]
> [[1,2],[3,4],[5,6]]6. np.newaxis, A[range(len(A),y]
整个矩阵减去 一列*n_cols
复制代码
1
2
3
4
5
6
7
8
9
10
score=np.array([[5,2,1],
[1,1,3],
[4,-2,3],
[-5,1,2]])
y=np.array([2,0,0,1])
print("score=n",score)
r=score[range(4),y]
print("nr=",r,"n")
print("r[:, np.newaxis]n",r[:, np.newaxis],"n")
print("score-r[:, np.newaxis]n",score-r[:, np.newaxis])score= [[ 5 2 1]
[ 1 1 3]
[ 4 -2 3]
[-5 1 2]]
r= [1 1 4 1]
r[:, np.newaxis]= [ [1]
[1]
[4]
[1]]
score-r[:, np.newaxis]=[[ 4 1 0]
[ 0 0 2]
[ 0 -6 -1]
[-6 0 1]]
二、for循环
1. for i,xx in emumerate(X)
复制代码
1
2
3
4
classes=['dog','cat','fish']
for i,cls in enumerate(classes):
i=0,1,2
cls='dog','cat','fish'这个比直接用for要快，下面看看例子：
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
x=np.linspace(1,1e5,1e7)
@time
def forf(x):
for i in range(len(x)):
a=x[i]
@time
def emur(x):
for i,a in enumerate(x):
b=a
forf(x),emur(x)
[Function forf] costs: 1.400562s
[Function emur] costs: 1.131064s2. knn Counter(x).most_common(1)
复制代码
1
2
3
4
5
6
from collections import Counter
labels=[1,2,2]
Counter(labels).most_common(1)
>>>[(2,2)]
predict_y=Counter(labels).most_common(1)[0][0]
>>>23. knn np.array.argsort()[:3]
np.argsort()[:3]， 返回的是index
复制代码
1
2
3
4
5
dist=np.array([3,2,5,1,2,4])
ind=dist.argsort()[:3]
>>> ind=array([3, 1, 4], dtype=int32)
print([dist[i] for i in ind])
>>>[1,2,2]path.join(dir,fname)
os.path.join(dir,filename)
计时 time_function(f,*args)
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
def time_function(f,*args):
import time
tic=time.time()
f(*args)
toc=time.time()
return toc-tic
def add(x,y):
for i in range(1000):
z=np.exp(x**2)/y
for j in range(200):
z=np.tanh(z**2)*np.sin(x+y)
return z
print("time for add func: ",time_function(add,10.1,2.6))
>>> time for add func: 0.422592639923095np.random.choice(10,2,replace=False)
复制代码
1
2
3
4
5
6
np.random.choice(10,2,replace=False)
>>> array([4,2])
从一个数组中随机挑选m个元素
>>> mask=np.random.choice(len(x),m,replace=False)
>>> x[mask]
函数参数
位置参数 f(a,b)
默认参数 f(x,n=None)
可变参数，关键字参数 fun(*args,**kw)
复制代码
1
2
3
4
5
6
7
8
9
10
11
def op(*elem,**scale):
'''
不定参数 arguments：elem
关键字参数keyword
'''
print(elem,scale)
ret=sum(elem)
if "s" in scale:
ret*=scale["s"]
return ret
op(1,2,3,4,s=10,a=2)(1, 2, 3, 4) {’s’: 10, ‘a’: 2}
100
最后
以上就是爱撒娇海燕最近收集整理的关于python的一些高级用法积累一、矩阵数组运算相关的：二、for循环的全部内容，更多相关python内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复