python 近期用到的基础知识汇总（五）

1.pytorch中变量类型转换

将numpy矩阵转换为Tensor张量:sub_ts = torch.from_numpy(sub_img)   #sub_img为numpy类型
将Tensor张量转化为numpy矩阵:sub_np1 = sub_ts.numpy()             #sub_ts为tensor张量
将numpy转换为Variable:sub_va = Variable(torch.from_numpy(sub_img))
将Variable张量转化为numpy:sub_np2 = sub_va.data.numpy()

（1）CPU或GPU张量之间的转换

一般只要在Tensor后加long(), int(), double(),float(),byte()等函数就能将Tensor进行类型转换；

例如：Torch.LongTensor--->Torch.FloatTensor, 直接使用data.float()即可

还可以使用type()函数，data为Tensor数据类型，data.type()为给出data的类型，如果使用data.type(torch.FloatTensor)则强制转换为torch.FloatTensor类型张量。

当你不知道要转换为什么类型时，但需要求a1,a2两个张量的乘积，可以使用a1.type_as(a2)将a1转换为a2同类型。

（2）CPU张量 ----> GPU张量, 使用data.cuda()

（3）GPU张量 ----> CPU张量使用data.cpu()

（4）Variable变量转换成普通的Tensor，其实可以理解Variable为一个Wrapper，里头的data就是Tensor. 如果Var是Variable变量，使用Var.data获得Tensor变量

（5）Tensor与Numpy Array之间的转换

Tensor---->Numpy 可以使用 data.numpy()，data为Tensor变量

Numpy ----> Tensor 可以使用torch.from_numpy(data)，data为numpy变量

参考：https://blog.csdn.net/hustchenze/article/details/79154139 ,https://blog.csdn.net/pengge0433/article/details/79459679 .

2.碰到一个问题:

pbb为<type 'tuple'>: (234, 5),

pbb1=pbb[0]为<type 'tuple'>: (5,)成为一个数组,降维了,

pbb2=pbb[0:1]为<type 'tuple'>: (1, 5)还是一个二维矩阵

pbb3=np.delete(pbb2,[0],axis=0)为<type 'tuple'>: (0, 5)还是一个二维矩阵.

总结:要注意矩阵A 的A[0]和A[0:1]是不同的.

3.(1)类型type不变，数值value取整。(矩阵取整)
截取整数部分 np.trunc
向上取整 np.ceil
向下取整np.floor
四舍五入取整np.rint

(2)类型type改变

AA = np.array
AA.astype(np.int)

ps:这个好像不是太管用可能是我用错了,或版本问题??

用下面这个管用:

a=np.array(a, dtype=np.int16)

(3)分别用list，np.array 存储数据导致的不同点

# 为了看不同点，生成一个不变的数组

# 如果用list，那么astype就有点麻烦

In [245]: customersAge = [70 * np.random.rand(20)]

In [250]: np.trunc(customersAge)
Out[250]:
array([[ 62.,  33.,  47.,  25.,  57.,  64.,   0.,  50.,  66.,  34.,  44.,
         45.,  14.,  40.,  48.,  45.,   5.,  50.,  29.,  35.]])

In [251]: np.ceil(customersAge)
Out[251]:
array([[ 63.,  34.,  48.,  26.,  58.,  65.,   1.,  51.,  67.,  35.,  45.,
         46.,  15.,  41.,  49.,  46.,   6.,  51.,  30.,  36.]])

In [252]: np.floor(customersAge)
Out[252]:
array([[ 62.,  33.,  47.,  25.,  57.,  64.,   0.,  50.,  66.,  34.,  44.,
         45.,  14.,  40.,  48.,  45.,   5.,  50.,  29.,  35.]])

In [253]: np.rint(customersAge)
Out[253]:
array([[ 62.,  33.,  47.,  25.,  58.,  64.,   0.,  50.,  67.,  35.,  44.,
         45.,  14.,  41.,  49.,  45.,   6.,  51.,  29.,  36.]])

# 但这样list不能直接用astype，要把格式换成array...呵呵呵

In [254]: customersAge.astype(np.int)
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-254-a648fd813d6e> in <module>()
----> 1 customersAge.astype(np.int)

AttributeError: 'list' object has no attribute 'astype'

In [256]: np.array(customersAge).astype(np.int)
Out[256]:
array([[62, 33, 47, 25, 57, 64,  0, 50, 66, 34, 44, 45, 14, 40, 48, 45,  5,
        50, 29, 35]])

# 既然用numpy，最好就是np.array用到底

In [264]: customersAge = np.array( 70 * np.random.rand(20))

In [265]: customersAge.astype(np.int)
Out[265]:
array([57, 31, 59,  0, 27,  6, 25, 23, 54, 18, 33, 17, 67, 66, 24, 57, 45,
       64, 62, 47])

参考:https://www.jianshu.com/p/23a9224780e8

4.Python取numpy矩阵中的不连续的某几行某几列方法

原始矩阵和想要选取的目标如下:

C_A = c[[0,2]]    #先取出想要的行数据
C_A = C_A[:,[2,3]] #再取出要求的列数据
print(C_A) #输出最终结果

参考:https://blog.csdn.net/qq_34734303/article/details/80631831

python 近期用到的基础知识汇总（五）

猜你喜欢