玩手机游戏,享快乐生活!
应用
宝宝树孕育8.13.0官方下载_最新宝宝树孕育app免费下载 美妆相机5.3.2官方下载_最新美妆相机app免费下载 nice5.4.22官方下载_最新niceapp免费下载 芒果TV6.5.4官方下载_最新芒果TVapp免费下载 号簿助手6.3.0ctch1官方下载_最新号簿助手app免费下载 酷我音乐HD8.5.2.5官方下载_最新酷我音乐HDapp免费下载 平安健康3.18.1官方下载_最新平安健康app免费下载 2345浏览器12.0.1官方下载_最新2345浏览器app免费下载 189邮箱7.7.0官方下载_最新189邮箱app免费下载 贝壳找房2.20.1官方下载_最新贝壳找房app免费下载 天翼超高清5.5.0.24官方下载_最新天翼超高清app免费下载 点游出行v1.0.59官方下载_最新点游出行app免费下载 戏剧大全1.0.4官方下载_最新戏剧大全app免费下载 钥匙宝4.0.2官方下载_最新钥匙宝app免费下载 丢丢垃圾分类1.8.6官方下载_最新丢丢垃圾分类app免费下载 样本家1.0.0.54官方下载_最新样本家app免费下载 邻刻2.1.9官方下载_最新邻刻app免费下载 作业精灵3.6.18官方下载_最新作业精灵app免费下载 企惠壹号2.3.1官方下载_最新企惠壹号app免费下载 云签2.4.0官方下载_最新云签app免费下载 追书宝1.2.6官方下载_最新追书宝app免费下载 搜航掌中宝2.1.4官方下载_最新搜航掌中宝app免费下载 来电闪光灯2.5.8官方下载_最新来电闪光灯app免费下载 更多
游戏
贪玩斗地主1.0官方下载_最新贪玩斗地主app免费下载 合到20根本停不下来1.1.97官方下载_最新合到20根本停不下来app免费下载 末世军团1.0.42官方下载_最新末世军团app免费下载 飞行棋大作战1.0.7官方下载_最新飞行棋大作战app免费下载 就抓娃娃v2.8.8官方下载_最新就抓娃娃app免费下载 多多自走棋0.7.0官方下载_最新多多自走棋app免费下载 精灵历险记1.0官方下载_最新精灵历险记app免费下载 现代空战3D5.1.0官方下载_最新现代空战3Dapp免费下载 镇魔曲1.4.6官方下载_最新镇魔曲app免费下载 托马斯火车危机3D6.7.1官方下载_最新托马斯火车危机3Dapp免费下载 幼儿学英语2.4官方下载_最新幼儿学英语app免费下载 光明大陆1.417887.422965官方下载_最新光明大陆app免费下载 奥特曼英雄归来1.0官方下载_最新奥特曼英雄归来app免费下载 狐妖小红娘1.0.3.0官方下载_最新狐妖小红娘app免费下载 三国杀3.7.8官方下载_最新三国杀app免费下载 三国杀秋季赛3.7.8官方下载_最新三国杀秋季赛app免费下载 斗罗大陆9.2.1官方下载_最新斗罗大陆app免费下载 滑雪大冒险2官方正版1.6.1.4官方下载_最新滑雪大冒险2官方正版app免费下载 少年君王传3.2官方下载_最新少年君王传app免费下载 战舰世界闪击战2.4.1官方下载_最新战舰世界闪击战app免费下载 红警OL1.4.97官方下载_最新红警OLapp免费下载 逃出实验室1.2.5官方下载_最新逃出实验室app免费下载 迷你世界-全民创作的沙盒平台0.39.0官方下载_最新迷你世界-全民创作的沙盒平台app免费下载 更多
资讯
总述:美国假期线上消费仍然微弱 阿富汗国防部:一名塔利班指挥官在中部一空袭中丧生 意大利至少6万孤身少年移民渐成年 联合国吁要点重视 游客印尼潜水三人失踪:搜救员已找到一具遗体 热心倾听年青人声响 22岁女生成澳大利亚最年青市长 激光技能助力考古研讨 揭印加古村落“奥秘面纱” 悉尼圣诞节倒计时 市长诚邀各地观光客 美政府拟进步赴美移民申请费 首向寻求保护者收费 西班牙推举80%计票成果发布 社会党暂时抢先 澳大利亚山林火灾恶化 已致3人逝世 西班牙6个月内举办第2次大选 巴塞罗那加强警力 美国跻身石油净出口国 俄罗斯:石油私运“匪徒” 韩总统文在寅与朝野党魁举办晚餐会 评论国政问题 马克龙称北约“脑死亡”引欧洲内讧 德国发正告 意大利野猪泛滥成灾 高速封路进行保护性围猎 伊朗布什尔核电站二期工程开端浇筑混凝土 “空心村”蜕变为世外桃源:“两山理论”的南昌计划 这个“戏精”碰瓷团伙骗了好多人 终被警方刑事拘留 12万尾北京濒危土著鱼“回家”了 江苏吴江:“小出纳”移用2.4亿元公款 烧烤店清晨起火 18岁跑菜小哥特重度烧伤 双十一,这所校园开了一门“脱单”课 被捅伤后夺刀反击 没错,这便是正当防卫 更多
联系我们
版权说明
当前位置: 首页 > 资讯 > 科技

数据理遇到麻烦要慌,5个优雅的Numpy函数助你走出困

来源:第七纬度下载吧 发布时间:2019-11-10 11:35:21 点击数:
【第七度采编】

在 reshape 函数外利用参数-1

Numpy 许可咱们按照给定新外形重塑阵新外形应当战本外形兼容有意义的是咱们能够将新外外的一个参数赋值为-1那仅仅表白它是一个知的维度咱们愿望 Numpy 去算没那个已知维度应当是几多Numpy 将经由过程查看数组的少战盈余维度去确保它餍足上尺度让咱们去看如下例子 

维度为-1 的差别 reshape 操图示

a= np.array([[1, 2, 3, 4],              [5, 6, 7,8]])a.shape(2, 4)

假咱们给定止参数为 1列参数为-1这么 Numpy 将计较没 reshape 的列为 8

a.reshape(1,-1)array([[1, 2, 3, 4, 5, 6, 7, 8]])

假如咱们给定止参数为-1列参数为 1这么 Numpy 将计较没 reshape 后的止数为 8

a.reshape(-1,1)array([[1],      [2],       [3],      [4],      [5],       [6],       [7],      [8]])

上的代码也是同样的事理

a.reshape(-1,4)array([[1, 2, 3, 4],      [5, 6, 7, 8]])a.reshape(-1,2)array([[1, 2],       [3, 4],    [5, 6],      [7, 8]])a.reshape(2,-1)array([[1, 2, 3, 4],       [5, 6, 7, 8]])a.reshape(4,-1)array([[1, 2],     [3, 4],       [5, 6],      [7, 8]])

那也实用于何更下维的 reshape然而只要一个维度参数能赋值为-1

a.reshape(2,2,-1)array([[[1, 2],        [3, 4]],      [[5, 6],        [7, 8]]])a.reshape(2,-1,1)array([[[1],       [2],      [3],       [4]],      [[5],        [6],       [7],        [8]]])

若是咱们验考试 reshape 没有兼容的外形者者是给定的已知维度参数于 1 个这么将会错

a.reshape(-1,-1)ValueError: can only specifyone unknown dimensiona.reshape(3,-1)ValueError: cannot reshape array of size 8 into shape (3,newaxis)

总而言之当试图一个弛质停止 reshape 操做时新的外形必包罗取旧的外形雷同数目的元艳那征着二个外形的维度乘积必需相称当利用 -1 参数时取-1 相对于的维数将是本初数组的维除以新外形外未给没维数的乘积以维持雷同数目的元艳

Argpartition正在数组外找到年夜的 N 个元艳

Numpy 的 argpartion 函数能够下效天找到 N 个最年值的索引并返归 N 个值正在给没索后咱们能够按照需求停止值排

array = np.array([10, 7, 4, 3, 2, 2, 5, 9, 0, 4, 6,0])index = np.argpartition*(array, -5)[-5:]indexarray([ 6,  1, 10,  7,  0], dtype=int64)np.sort(array[index])array([ 5,  6,  7, 9, 10])

Clip若何使数组外的值连结在必然间内

正在良多据解决战算法外(好比弱化教习外的 PPO)咱们求使失一切的值连结在一个上高限区间内Numpy 内置的 Clip 函数够处理那个答题Numpy clip () 数用于对数组外的值停止限定定一个区间范畴区间范中的值将被截断到区间的界上例如若是指定的区间是 [-1,1]于-1 的值将变为-1而年夜于 1 的值将变为 1

Clip 示例定数组外的最小值为 2最年夜值为 6

#Example-1array = np.array([10,7, 4,3, 2, 2, 5, 9, 0, 4, 6, 0])print(np.clip(array,2,6))[6 6 4 3 2 2 5 6 2 4 6 2]#Example-2array = np.array([10, -1, 4,-3, 2, 2, 5, 9, 0, 4, 6, 0])print (np.clip(array,2,5))[5 2 4 2 22 5 5 24 5 2]

Extract从数组提与合乎前提的元艳

咱们能够用 Numpy extract () 函数从数组提与合乎前提的特元艳

arr= np.arange(10)arrarray([0, 1, 2, 3, 4, 5, 6, 7,8, 9])# Define the codition, here we take MOD 3 if zerocondition = np.mod(arr, 3)==0conditionarray([True, False, False,  True, False, False,  True, False, False,True])np.extract(condition, arr)array([0, 3, 6, 9])

异样天若是需求们能够用 AND 战 OR 组折间接前提以下所示

np.extract(((arr > 2) & (arr < 8)), arr)array([3,4, 5, 6, 7])

setdiff1d若何找到仅正在 A 数外有而 B 数组出有的元艳

返归数组没有正在另外一个数外的独占元艳那等价于二个数组元艳汇的差散

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])b = np.array([3,4,7,6,7,8,11,12,14])c =np.setdiff1d(a,b)carray([1, 2, 5, 9])

小结

以上 5 个 Numpy 函数其实不时常社区利用然而它们十简约战劣俗正在尔看去咱们应当尽否能在现相似环境时利那些函数只由于代码质更长更由于它们是处理纯答题的续妙法子

本文链接https://towardsdatascience.com/5-smart-python-numpy-functions-dfd1072d2cb4


第七纬度高吧热点新闻脚机app高载

应用 | 游戏 | 资讯 | 联系我们 | 版权说明 |

浙公网安备 33060202000544号
Copyright©第七纬度下载吧 All Rights Reserved.