weixin_42663286的博客

squeeze()

1、关于稀疏矩阵import scipy.sparse as spsp.coo_matrix()全称：A sparse matrix in COOrdinate format.coo_matrix((data, (i,j)), [shape=(M,N)], dtype=np.int32)(i,j)为目标位置，将此位置的值改为data对应的值，整个稀疏矩阵大小为(M,N)，其余位置为0。eg. 根据结点信息连接生成邻接矩阵。adj = sp.coo_matrix...

adj = np.array([[0, 1, 0], [0, 0, 0], [1, 0, 0]])adj = adj + np.multiply(adj.T, adj.T > adj) - np.multiply(adj, adj.T > adj)# 不知道怎么证明。。[[0 1 1] [1 0 0] [1 0 0]]

inp = np.array(['a', 'b', 'c', 'd', 'c', 'b'])classes = set(inp) # 元素无重复classes_dict = {c: np.identity(len(classes))[i, :] for i, c in enumerate(classes)} # 创建单位矩阵，每一行对应一个one-hot向量one_hot = np.array(list(map(classes_dict.get, inp)), dtyp.

1、如果形参是变量def n(a): a = a + 1b = 0n(b)print(b) # 0b仍然为0，没有改变传入变量。2、如果形参是列表直接作为实参传入会改变def n(a): a[0] = a[0] + 1b = [0, 1, 2]n(b)print(b) # [1, 1, 2]使用切片或.copy()传入，在列表中没有其他对象时，和深拷贝一样，传递的是列表副本。b = [0, 1, 2]n(b[:])