學(xué)python中（主要是機(jī)器學(xué)習(xí)方面的）學(xué)到的一些函數(shù)和常見的處理方法，容易忘記所以記錄一下，持續(xù)更。。。

快速導(dǎo)航

• • 🚀一些常見的函數(shù)：
  • • • cat函數(shù)
      • enumerate
      • numpy.hstack/numpy.vstack
      • plt.on/plt.off
      • randint函數(shù)
      • size函數(shù)
      • slice函數(shù)
      • solve函數(shù)
      • sum函數(shù)
      • tensor函數(shù)
      • transpose
      • Variable函數(shù)
  • 🚀一些常見的方法
  • • • 1、給數(shù)組中的多個(gè)位置的值賦值
      • 2、數(shù)組中冒號(hào)(:)的使用
      • 3、對(duì)csv文件的讀寫
      • • （1）創(chuàng)建一個(gè)csv文件并批量寫入數(shù)據(jù)
        • （2）在csv文件中寫入新的一行
        • （3）讀取某一行某一列或者某一個(gè)位置的數(shù)
        • （4）刪除一行并保存
      • 4、如何查看某一數(shù)據(jù)的類型
      • 5、如何查看數(shù)組的維度
      • 6、如何改變數(shù)組的維度
      • 7、如何表示冪次方（python）
      • 8、如何查看某一個(gè)函數(shù)或訓(xùn)練過程花費(fèi)的時(shí)間
  • 🚀關(guān)于anaconda

🚀一些常見的函數(shù)：

cat函數(shù)

torch.cat 用于拼接兩個(gè)矩陣

import torchx=torch.zeros(3) y=torch.ones(3) z=torch.cat((x,y),0) print(z) x=torch.zeros(3,1) y=torch.ones(3,1) z=torch.cat((x,y),1) print(z)

不過這個(gè)只能用于tensor類型的拼接，numpy類的需要用到numpy.hstack或numpy.vstack，詳看下文。

enumerate

enumerate是枚舉，列出某一列的每一個(gè)數(shù)x2以及它們對(duì)應(yīng)的序號(hào)x1。

y=list([11,22,33,44,55,66]) for x1,x2 in enumerate(y):print(x1,x2)

numpy.hstack/numpy.vstack

import numpy as npa=[1,2,3,5] b=[5,6,7,8] c=np.vstack((a,b)) d=np.hstack((a,b)) print(c) print(d)

plt.on/plt.off

可以顯示出訓(xùn)練過程的所繪制圖表的變化

plt.on...... #(訓(xùn)練過程)plt.off

randint函數(shù)

randint函數(shù)，可以在給定的范圍內(nèi)隨機(jī)取一個(gè)或多個(gè)整數(shù)
random.randint() 只能取一個(gè)整數(shù)
numpy.random.randint() 可以通過設(shè)置取得多個(gè)整數(shù)

import random import numpy as npprint(random.randint(1,20)) # 隨機(jī)從0到20之間取1個(gè)數(shù) print(np.random.randint(1,20,3)) # 隨機(jī)從0到20之間取3個(gè)數(shù)

size函數(shù)

參數(shù)0表示查詢行數(shù)，參數(shù)1表示查詢列數(shù)

a=torch.zeros(2,3) a[0,0]=1 a[0,1]=2 a[0,2]=3 a[1,0]=4 a[1,1]=5 a[1,2]=6 print(a) y=a.size(1) # 0是行數(shù)，1是列數(shù) print(y) x=np.size(a,1) print(x)

slice函數(shù)

slice函數(shù)，即切片函數(shù)，可以從已知數(shù)組中取部分連續(xù)的數(shù)據(jù)。

import torchx=torch.linspace(0,9,10) print(x) slice1=slice(0,5,1) # 在第1到第5個(gè)數(shù)中，步長(zhǎng)為1，每個(gè)都取 slice2=slice(0,6,2) # 在第1到第6個(gè)中，步長(zhǎng)為2，每隔一個(gè)取一個(gè) y=x[slice1] print(y) y=x[slice2] print(y)

solve函數(shù)

from sympy import * x= symbols('x') print(solve(x**2+5*x+6,x))

sum函數(shù)

sum函數(shù)：對(duì)矩陣中的全部或部分元素進(jìn)行求和

# 特定維度求和函數(shù) y=torch.ones(2,3) y[[0,0],[1,0]]=2 x1=torch.sum(y) # 對(duì)全部元素進(jìn)行求和 print(x1) x2=torch.sum(y,dim=(0,1),keepdim=True) # 對(duì)行和列的元素進(jìn)行求和且不改變維度 print(x2) x3=torch.sum(y,dim=(0,)) # 對(duì)各列進(jìn)行求和，不保持原有維度 print(x3) x4=torch.sum(y,dim=(0,),keepdim=True) # 對(duì)各列進(jìn)行求和，保持原有維度 print(x4) x5=torch.sum(y,dim=(1,)) # 對(duì)各行進(jìn)行求和，不保持原有維度 print(x5) x6=torch.sum(y,dim=(1,),keepdim=True) # 對(duì)各行進(jìn)行求和，保持原有維度 print(x6)

也可以用屬性sum對(duì)具體某一行或某一列進(jìn)行求和

y=torch.ones(2,3) y[[0,0],[1,0]]=2 print(y) x4=y[0].sum() # 對(duì)第1行進(jìn)行求和 x5=y[1].sum() # 對(duì)第2行進(jìn)行求和 x6=y[:,0].sum() # 對(duì)第1列進(jìn)行求和 x7=y[:,2].sum() # 對(duì)第3列進(jìn)行求和 print(x4) print(x5) print(x6) print(x7)

tensor函數(shù)

可以用tensor函數(shù)來定義數(shù)組

x=torch.tensor([[1,2,3],[4,5,6],[7,8,9]]) print(x)

zeros函數(shù)和ones函數(shù)也可以定義數(shù)組，

x=torch.zeros(2) print(x) x=torch.zeros(2,1) print(x)

x=torch.ones(2) print(x) x=torch.ones(2,1) print(x)

transpose

（1）torch.transpose(y,1,0) 表示第0維和第1維互換，比如對(duì)于一個(gè)二維數(shù)組，若換之前是2×3數(shù)組，換之后是3×2數(shù)組。

# 用transpose對(duì)數(shù)組進(jìn)行維度互換 y=torch.zeros(2,3) y[[0,0],[1,0]]=2 print(y) x=torch.transpose(y,1,0) print(x)

（2）對(duì)于三維數(shù)組，tensor.transpose(y,1,2) 表示第1維和第2維互換，變換之前是2×3×4數(shù)組，變換后是2×4×3數(shù)組。

y=torch.zeros(2,3,4) y[[0,0],[1,0]]=2 print(y) x=torch.transpose(y,1,2) print(x)

Variable函數(shù)

把tensor定義為torch.autograd.Variable變量后，可以擁有autograd包中的屬性，比如通過 .data 訪問tensor中的所有變量；通過 .backward() 反向傳播更新參數(shù)。

🚀一些常見的方法

1、給數(shù)組中的多個(gè)位置的值賦值

import torchx=torch.zeros(4,4) print(x) x[[0,1,2,3],[0,1,2,3]]=8 # 給[0,0],[1,1],[2,2],[3,3]位置賦值8 print(x)

2、數(shù)組中冒號(hào)(:)的使用

import torchx=torch.tensor([[1,2,3],[4,5,6],[7,8,9]]) print(x)print(x[:,1]) # 只有冒號(hào)表全部，表示x的第2列 print(x[1,:]) # 表示x的第2行print(x[:,0:1]) # 冒號(hào)前表示起，冒號(hào)后表示止，0到1其實(shí)打印的是第一例 print(x[1:2,:]) # 1到2，表示第2橫 print(x[:,1:]) # 表示第2列起后的全部，在這里就表示第2列和第3列print(x[:,-1:]) # 表示最后1列 print(x[:,:-1]) # 表示除最后1列的全部print(x[:,-2:]) # 表示最后2列 print(x[:,:-2]) # 表示除最后2列的全部

3、對(duì)csv文件的讀寫

（1）創(chuàng)建一個(gè)csv文件并批量寫入數(shù)據(jù)

首先需要在當(dāng)前目錄新建一個(gè)csv文件，
【File】→【New】→【File】，起文件名并把文件名后綴設(shè)置為 .csv 即可。

相比較與csv的操作，俺覺得用pandas對(duì)csv文件進(jìn)行操作是比較簡(jiǎn)單方便的。

import torch import pandas as pd# 對(duì)csv文件進(jìn)行寫操作（用pandas） with open('BDL2_testDataset.csv','w')as file:x=torch.linspace(0,500,101)x1 = torch.linspace(0, 500, 101)y=2*xdata=pd.DataFrame({'x':x,'x1':x1,'y':y})data.to_csv(file)# 對(duì)csv文件進(jìn)行讀操作（用pandas） dt = pd.read_csv("BDL2_testDataset.csv") dt.head() data_set = dt.values data_x=data_set[:,1:2].astype(float) data_y = data_set[:,3:].astype(float)print(data_x) print(data_y)

（2）在csv文件中寫入新的一行

import pandas as pddf=pd.read_csv("testdataset_2.csv") print(df) print(' ') df.loc[8]=[1,1,1,1] # 對(duì)第8行寫入新的數(shù)據(jù) print(df)

Notice：
如果是剛創(chuàng)建的一個(gè)新的csv文件，里面什么都沒有，此時(shí)寫入會(huì)出錯(cuò)
給這個(gè)文件隨便加個(gè)表頭（手動(dòng)在第一行寫入一行）就就可解決這個(gè)問題

（3）讀取某一行某一列或者某一個(gè)位置的數(shù)

import pandas as pddf=pd.read_csv("testdataset_2.csv") print(df)x1=df.loc[2] # 讀取第3行數(shù)據(jù) x2=df.loc[2,:] # 讀取第3行數(shù)據(jù) x3=df.iloc[2,:] # 讀取第3行數(shù)據(jù)x6=df.iloc[:,2] # 讀取第3列數(shù)據(jù)x7=df.iloc[2,0] # 讀取第3行第1列數(shù)據(jù)print(x1) print(x2) print(x3) print(x6) print(x7)

（4）刪除一行并保存

df=pd.read_csv("testdataset_2.csv") print(df) df.drop([0],inplace=True) # 刪去第1行 print(df) df.to_csv("testdataset_2.csv",index=False) # 保存到文件中

Notice：
inplace=True 才能夠刪除成功；要用語句 df.to_csv寫入到文件中，才能對(duì)文件進(jìn)行改動(dòng)，不然就只是改動(dòng)了df而已

4、如何查看某一數(shù)據(jù)的類型

num1=20.0 num2=20 print(type(num1)) print(type(num2))

5、如何查看數(shù)組的維度

import torcha=torch.ones(2,2,2) print(a.ndim)

6、如何改變數(shù)組的維度

用reshape函數(shù)

import torcha=torch.ones(4) print(a) print(a.ndim) a=a.reshape(1,-1) print(a) print(a.ndim)

7、如何表示冪次方（python）

a=2**3 print(a)

8、如何查看某一個(gè)函數(shù)或訓(xùn)練過程花費(fèi)的時(shí)間

print("Start train...")start = time.perf_counter()self.train(cases, labels, 200, 0.08, 0.1)end = time.perf_counter()print("Training complete! Time used: %.2f s"%(end - start))

🚀關(guān)于anaconda

我對(duì)anaconda的理解就是這是一個(gè)管理環(huán)境的工具（python工程都需要運(yùn)行在一定的），每一個(gè)環(huán)境都有特定的python版本、以及一定的庫。

一些常用的命令：
關(guān)于環(huán)境管理：
1、創(chuàng)建一個(gè)新的環(huán)境(python版本為3.9.0)：

conda create -n EnvieonmentName(自定義環(huán)境名) python==3.9.0

2、查看當(dāng)前已創(chuàng)建的環(huán)境

conda env list

3、激活已創(chuàng)建的環(huán)境

activate EnvironmentName(具體的環(huán)境名)

4、刪除已創(chuàng)建的環(huán)境

conda create -n EnvieonmentName(自定義環(huán)境名) --all

關(guān)于環(huán)境中包的管理：
1、下載某一個(gè)包（庫）

pip install PackageName(具體的包名)

下載具體版本的包

pip install PackageName(具體的包名)=1.2.0

2、查看某一環(huán)境中已下載的包
先激活該環(huán)境，然后

conda list

3、查看某一包的具體信息：

pip show PackageName(包的具體的名字)

總結(jié)

以上是生活随笔為你收集整理的随手查_python的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。