jjw_zyfx的博客

官方解释：各参数详细解释：precision 精度threshold 阈值edgeitems 边界元素数linewidth 线宽 即一行容纳多少位profile 显示样式

numpy.ndarray的数组中numpy.ndarray的list和int居然可以直接进行比较并把结果作为索引import numpy as npb = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])a = np.array([0, 0, 0, 1, 1, 1, 2, 2, 2])print(type(a))for i in range(3): # 真神奇了，这个居然也能比较 # numpy.ndarray的list和int类型的在数组中 #

从上图可以看出来argsort先进行升序排序，排完序后再将现在排序的结果在原来数组中的索引返回即：2为排序后的第一个数，2在原来列表中的索引为4，所以输出的列表的第一个数也是4，同样排序后的4在原来的列表中的索引为3所以输出结果的第二个也是3...

import numpy as npmatx = np.arange(9).reshape(3, 3)print(matx)print(type(matx))print(matx != np.eye(3)) # 判断每个元素在对应的位置上是否不相等print((matx != np.eye(3)).any()) # any判断是否有一个是TRUE，只要有一个为真就为真print((matx != np.eye(3)).all()) # 所有的都为真才为真matx2 = np.array

power指数次方

import torchimport numpy as npa = np.zeros([2, 2])print('a\n', a)# 将numpy类型转换为tensor类型out = torch.from_numpy(a)print('out\n', out)# 将tensor转换为numpyprint('out.numpy\n', out.numpy())输出结果：a [[0. 0.] [0. 0.]]out tensor([[0., 0.], [0., 0

numpy的属性1 数组用法array需要注意的是和平时写的数组的区别shapedtype 和 itemsizesizenbytes 总共占用的字节数 ndim 维度fillfloat类型和复数类型 complex负共轭np.array 和 np.asarray###也就是说如果用asarray 返回的还是原来的数组，用array只是返回新创建的数组...