a = np.unique(A)对于一维数组或者列表,unique函数去除其中重复的元素,并按元素由大到小返回一个新的无元素重复的元组或者列表import numpy as npA = [1, 2, 2, 5,3, 4, 3]a = np.unique(A)B= (1, 2, 2,5, 3, 4, 3)b= np.unique(B)C= ['fgfh','asd','
一、np.
unique
()
函数
介绍
对于一维数组或者列表,np.
unique
()
函数
去除其
中
重复的元素 ,并按元素 由小到大 返回一个新的无元素重复的元组或者列表。
import
numpy
as np
A = [1, 2, 2, 5, 3, 4, 3]
a = np.
unique
(A)
B = (1, 2, 2, 5, 3, 4, 3)
b = np.
unique
(B)
C= ['fgfh','asd','fgfh','as
该
函数
的调用方法:
numpy
.
unique
(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)
该
函数
作用:找出数组
中
独一无二的元素值。
各个参数意义:
ar:输入数组,除非设定了下面介绍的axis参数,否则输入数组均会被自动扁平化成一个一维数组。
return_index:(可选参数,布尔类型),如果为True则结果会同时返回被提取元素在原始数组
中
的索引值(index)。
return_invers
文章目录1 为何要增减维度2
numpy
中
的squeeze
函数
3 torch
中
的squeeze
函数
4 torch
中
的unsqueeze
函数
1 为何要增减维度
神经网络conv2d的输入必须是四维的(batch,channel,height,width),前处理或者后处理通常需要维度扩充或者维度压缩,必须维度匹配!
一个减少维度,一个增加维度,增加和减少的维度只能是1(单维度)。
numpy
中
squeeze
函数
,无unsqueeze
函数
,
numpy
中
增加维度用np.expand_dims(x, axi
Python
是一种高级编程语言,是一种广泛使用的解释型编程语言,由 Guido van Rossum 在 1989 年发明,历经多年的发展,现在
Python
3 已经成为
Python
的主流版本。
Python
中
的
numpy
模块是专门用于数值计算的模块,它提供了许多高性能的数组计算操作,可以用来表示和操作各种数值数据,如矩阵、数组等。
numpy
模块在科学计算、数据处理和机器学习领域
中
都有广泛的应用。
Python
3.8.10 是
Python
的一个版本,是
Python
3 系列的一个稳定版本,它修复了一些安全漏洞和 bug。同时,
Python
3.8.10 支持
numpy
模块,可以使用
numpy
模块进行数值计算。
numpy
模块的版本是与
Python
版本不同的,我们可以使用 pip 安装最新的
numpy
版本,目前最新的
numpy
版本是 1.21.0。可以使用以下命令安装
numpy
:
pip install
numpy
使用
Python
3.8.10 和
numpy
1.21.0,我们可以用
numpy
的各种
函数
来处理数据,如创建、操作、过滤、聚合、统计等。常用的操作包括:
- 创建数组/矩阵:np.array,np.zeros,np.ones,np.eye,np.random.rand
- 数组/矩阵操作:+,-,*,/,dot,transpose,reshape,flatten
- 数组/矩阵过滤:>,<,==,!=,&,|
- 数组/矩阵聚合:sum,mean,std,max,min,argmax,argmin
- 数组/矩阵统计:histogram,cov,corrcoef,
unique
numpy
模块的强大功能使得它在数据研究和科学计算领域
中
得到了广泛的应用,使用
Python
3.8.10 和
numpy
1.21.0,你可以轻松地进行数据处理和分析。