不定期更新
numpy to torch.tensor
torch.from_numpy(xxx)
xxx to torch.tensor
tensor=torch.Tensor(xxx)
tensor to numpy
tensor_name.numpy()
numpy数组分割
np.split(x, n) # 等分为n份，返回一个list
复数numpy数组提取实部与虚部
numpy.real(xxx)
numpy.imag(xxx)
将实部和虚部合并为一个复数数组
Data[...,0] + 1j * Data[...,1]
或
result = 1j*Data[...,1]; result += Data[...,0];
将tuple或list转为numpy数组
numpy.array(xxx)
数据类型强制转换（转换为整型为例）
int(xxx)
numpy数组合并
保持原有维度
numpy.concatenate((array1,array2,array3), axis=0)
增添新的维度stack
numpy.stack((array1,array2,array3), axis=0)
numpy数组的升维与降维
升维
np.expand_dims(array, axis=dim)
降维
ravel() # 将多维数组拉平（一维）
flatten() # 将多维数组拉平，并拷贝一份
squeeze() # 除去多维数组中，维数为1的维度，如315降维后3*5
reshape(-1) # 多维数组，拉平
reshape(-1，5) # 其中-1表示我们不用亲自去指定这一维度的大小，理解为n维
numpy矩阵转置
numpy.transpose(matrix)
numpy数组的保存与读取
a=np.array(a)
np.save('a.npy',a) # 保存为.npy格式
a=np.load('a.npy') # 读取
a=a.tolist()
创建空的numpy数组
mat = None
for col in columns:
if mat is None:
mat = col
else:
mat = hstack((mat, col))
enumerate() 非常实用的技巧
for i,x in enumerate(xxx):
pass
python读取目录下的所有文件
import os
path = "xxx" # 文件夹目录
files= os.listdir(path) # 得到文件夹下的所有文件名称
for file in files:
file_name = path+"/"+file
# some operations
解压zip文件
import zipfile
def un_zip(file_name):
"""解压zip"""
zip_file = zipfile.ZipFile(file_name)
if os.path.isdir(file_name + "_files"):
pass
else:
os.mkdir(file_name + "_files")
for names in zip_file.namelist():
zip_file.extract(names,file_name + "_files/")
zip_file.close()
list添加obj
list_name.append(obj)
删除list的元素
del listname[start : end]
listname.pop(index)
listname.remove(value) # 删除值为value的元素
大list切割为小list
lst = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b = [lst[i:i+3] for i in range(0,len(lst),3)] # 每个小list含有3个元素
创建字典
dic = { 'key1' : 'value1', 'key2' : 'value2', }
python运行时如何清理内存？
import gc # garbage collector
del var
gc.collect()
判断目录是否存在
import os
os.path.isdir('path')
获取字典的键
dict_name.keys()