lcqin111的博客

>>> x = range(7)>>> y = range(1,8)>>> xrange(0, 7)>>> yrange(1, 8)>>> a = zip(x,y)>>> b = list(a)>>>

numpy.sort（a，axis = -1，kind ='quick sort '，order = None ）[source]返回数组的排序副本。参数： a ： array_like 要排序的数组。 axis ： int或None，可选 Axis沿着它排序。如果为None，则在排序之前将数组展平。默认值为-1，它沿最后一个轴排序。 kind...

https://blog.youkuaiyun.com/weixin_41571493/article/details/80550076

先上手册的一个代码>>> x = np.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')]) # custom dtypearray([(0, 0), (0, 0)], dtype=[('x', '<i4'), ('y', '<i4')])这个代码刚开始并没有看懂，最后在stack找到了答案dtype里...

极差 ： 最大值 - 最小值 总体方差 :分母为N 样本方差 : 分母为N-1 极差 内置方法都可以：max(data)-min(data) 总体方差 np.var()、nanvar() 样本方差 np.var(ddof=1) 总体标准差 np.std() 样本标准差 np.std(ddof=1) 标准差系数 np....

将*元组解压缩为多个输入参数。可以作为维度输入的形状np.random.rand用于解压缩，在zip函数中也会用到np.random.rand(*(2,3)) # The same as np.random.rand(2,3)...

>>> newaxis is NoneTrue>>> x = np.arange(3)>>> xarray([0, 1, 2])>>> x[:, newaxis]array([[0],[1],[2]])将一个矩阵增加一维，在矩阵乘法中把两个一位矩阵相乘此外在切片中numpy.newaxis效果和Non...

用法在这个网页中讲的比较好，有例子先上代码：#这是一个faster-rcnn中bbox_tools中的代码 eps = xp.finfo(height.dtype).eps height = xp.maximum(height, eps) width = xp.maximum(width, eps) dy = (base_ctr_y - ctr_y) /...

返回给定维度上各个元素的乘积numpy.prod(a,axis=None,dtype=None,out=None,keepdims=<no value>,initial=<no value>)axis是指求积的维度keepdims是指保持维度，不缩减initial是起始数，即返回的矩阵会在元素乘积上再乘起始数>>> np.p...

https://blog.youkuaiyun.com/u013019431/article/details/79768219

转自https://www.cnblogs.com/aperolchen/p/9471780.htmlNumpy一维线性插值函数直接列出函数：numpy.interp(x, xp, fp, left=None, right=None, period=None)x - 表示将要计算的插值点x坐标xp - 表示已有的xp数组fp - 表示对应于已有的xp数组的值left -...

在2个不同的矩阵运算过程中，Numpy将较小的矩阵拉伸成较大矩阵的形状(shape)，然后Numpy加减乘除不同矩阵的加减乘除运算。比如：class = np.random.randn(100, 2) + np.array([5, 5])相当于把[5,5]这个矩阵在竖直方向上进行了拉长，变成了一个100行2列，且每行都是【5， 5】的矩阵广播规则：1.两个矩阵有一个行或者列的维度是...

>>> a = np.random.random((3,4))>>> aarray([[0.890582 , 0.43671675, 0.19531267, 0.13555252], [0.17254557, 0.3088476 , 0.36916878, 0.81551741], [0.31869139, 0.1616848...

c = np.arange(7)b = np.arange(1,8)a = np.vstack(c,b)corr = [True, True, True, True, True, True, False]&gt;&gt;&gt; a[1,corr]            array([1, 2, 3, 4, 5, 6])        对应False的元素没有被打印出来&g...

x = np.arange(plot_range[0], plot_range[1])y = np.arange(plot_range[2], plot_range[3])xx, yy = np.meshgrid(x, y)xxx, yyy = xx.flatten(), yy.flatten() # coordinate of x and ymeshgrid 是将两个一维矩阵变成...

Parameters: condition : array_like, bool When True, yield x, otherwise yield y 有条件参数时，条件为真输出X，为假输出Y当只有条件参数时，输出条件参数中非零项，行矩阵和列矩阵>>> np.where([[True, False], [True, True]],...

纵向分割：np.split(A, 2, axis=1)横向分割：np.split(A, 3, axis=0)以上只能等量分割，如果无法整除，将出错。如果需要不等量分割：np.array_split(A, 3, axis=1)array_split(A,n,axis=1)解释为：纵向分割为n份，其中每份的大小以如下的计算方式计算：纵向长度为L，n对L求余为a，n...

求矩阵中最小元素和最大元素的索引：argmin() 和 argmax()&gt;&gt;&gt; a.argmin()0&gt;&gt;&gt; np.argmin(a)0axis : int, optional   #官方文档By default, the index is into the flattened array, otherwise along the specif...

使用Numpy模块进行矩阵运算，直接使用a+b为相应位置的元素相加，与普通的运算一样，也可以使用关系运算符，得到布尔矩阵若要进行矩阵乘法使用：c_dot = np.dot(a,b)if a * b , output is the product of corresponding elements of array 此外可以a@b, a.dot(b)来计算矩阵式使用随机数来组成一...

附Numpy开发者教学地址：https://docs.scipy.org/doc/numpy/user/quickstart.htmlndarray.ndim：维度ndarray.shape：形状ndarray.size：元素个数ndarray.dtype：元素数据类型ndarray.itemsize：字节大小创建数组：a = np.array([2,23,4]) ...

numpy.c_numpy.c_ = &lt;numpy.lib.index_tricks.CClass object at 0x25df410&gt;Translates slice objects to concatenation along the second axis.This is short-hand for np.r_['-1,2,0', index expressio...

功能两个函数的功能都是将多维数组降为一维。用法import numpy as nparr = np.array([[1, 2],[3, 4]])arr.flatten()arr.ravel() #降维默认行序有限，传入参数‘F’表示列序优先arr.ravel('F')区别ravel（）返回的是视图，意味着改变元素的值会影响原始数组；flatten（）返回的是拷...

 参考https://www.cnblogs.com/zibu1234/p/4210521.htmlnumpy.tile(A, reps)A的类型众多，几乎所有类型都可以：array, list, tuple, dict, matrix以及基本数据类型int, string, float以及bool类型。reps的类型也很多，可以是tuple，list, dict, array, ...

vstack(A，B)对AB进行列方向合并hstack(A, B)对AB进行行方向的合并A = np.array([1,1,1])B = np.array([2,2,2]) print(np.vstack((A,B))) # vertical stack"""[[1,1,1] [2,2,2]]"""D = np.hstack((A,B)) ...

img = Image.open(img_path).convert("RGB")img2 = torchvision.transforms.functional.to_tensor(img)print(img2)img1 = np.array(img)print(img1)输出是这样的：不仅shape不一样，而且值也是不一样的。解释如下：tensor = t...