数据处理遇到的一些问题

关于np.concatenate拼接

问题描述
初学时总是分不清楚np.concatenate中axis的概念，需要理解并记忆

问题解决

• 假如输入的是一个二维数组，那么拼接操作时，axis=0则意味着扩充shape[0]的这一维度，也就是说拼出来是“沿着上下在拼”
• axis=1时，意味着扩充shape[1]的这个维度，也就是说拼出来是“沿着左右在拼”
  
• 同样，numpy中的加减也是同样的道理:

matrix = [[1,2,3],[3,2,1]]
# axis=1代表消除的是纵轴的元素，处理后只剩下横轴，也就是对同一行的元素进行相加
# axis=0代表作用对象是横轴的元素，处理后只剩下纵轴，也就是对同一列的元素进行相加
np,sum(matrix, axis=1) 

• 而在np.max()，np.min()等运算中，axis意味着：运算后，该轴的元素得到了消除，只剩下另外一轴的元素，例如：

a = np.array([[1,2,3],[3,4,5]])
np.max(a, axis=1) # 意味着该运算后，1轴不在了，剩下0轴，因此是在每一行找最大
np.max(a, axis=0) # 意味着该运算后，0轴不在了，剩下1轴，因此是在每一列找最大

关于Numpy中除数为0时的情况

问题描述
在处理连接矩阵时，需要计算矩阵的度Degree，这个时候有的点是完全孤立的，该节点不和其他任何一个节点有关联，因此此节点的度Degree=0。这时候，用关联矩阵除以度，就会出现除数为0的报错情况，导致值出现nan，截图如下：

问题解决

• 第一步，让python忽略此情况，不要报错，代码是

np.seterr(divide='ignore', invalid='ignore')

但是，这样设置后结果中仍然会出现nan值

• 第二步，用np.isnan()方法找到nan值，再替换掉nan值

degree[np.isnan(degree)] = 0

问题解决！