Numpy怎么使用最高效,几个方法送给你!
发布时间:2022-07-14 16:09:19 所属栏目:Linux 来源:互联网
导读:在 reshape 函数中使用参数-1 Numpy 允许我们根据给定的新形状重塑矩阵,新形状应该和原形状兼容。有意思的是,我们可以将新形状中的一个参数赋值为-1。这仅仅表明它是一个未知的维度,我们希望 Numpy 来算出这个未知的维度应该是多少:Numpy 将通过查看数组
在 reshape 函数中使用参数-1 Numpy 允许我们根据给定的新形状重塑矩阵,新形状应该和原形状兼容。有意思的是,我们可以将新形状中的一个参数赋值为-1。这仅仅表明它是一个未知的维度,我们希望 Numpy 来算出这个未知的维度应该是多少:Numpy 将通过查看数组的长度和剩余维度来确保它满足上述标准。让我们来看以下例子: 维度为-1 的不同 reshape 操作图示。 假设我们给定行参数为 1,列参数为-1,那么 Numpy 将计算出 reshape 后的列数为 8。 假设我们给定行参数为-1,列参数为 1,那么 Numpy 将计算出 reshape 后的行数为 8。 下面的代码也是一样的道理。 这也适用于任何更高维度张量的 reshape,但是只有一个维度的参数能赋值为-1。 Argpartition:在数组中找到最大的 N 个元素。 Numpy 的 argpartion 函数可以高效地找到 N 个最大值的索引并返回 N 个值。在给出索引后,我们可以根据需要进行值排序。 Clip:如何使数组中的值保持在一定区间内 在很多数据处理和算法中(比如强化学习中的 PPO),我们需要使得所有的值保持在一个上下限区间内。Numpy 内置的 Clip 函数可以解决这个问题。Numpy clip () 函数用于对数组中的值进行限制。给定一个区间范围,区间范围外的值将被截断到区间的边界上。例如,如果指定的区间是 [-1,1],小于-1 的值将变为-1,而大于 1 的值将变为 1。 Clip 示例:限制数组中的最小值为 2,最大值为 6。 Extract:从数组中提取符合条件的元素 我们可以使用 Numpy extract () 函数从数组中提取符合条件的特定元素。 同样地,如果有需要,我们可以用 AND 和 OR 组合的直接条件,如下所示: 小结 以上 5 个 Numpy 函数并不经常被社区使用,但是它们非常简洁和优雅。在我看来,我们应该尽可能在出现类似情况时使用这些函数,不仅因为代码量更少,更因为它们是解决复杂问题的绝妙方法。 (编辑:云计算网_泰州站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |