pytorch常用的库函数

pytorch常用的库函数

sklearn

(安装顺序：Numpy --> Scipy --> matplotlib --> sklearn)

Numpy

引用

常用方法/函数的名字

.ndim ：维度 
.shape ：各维度的尺度 （2，5） 
.size ：元素的个数 10 
.dtype ：元素的类型 dtype(‘int32’) 
.itemsize ：每个元素的大小，以字节为单位 ，每个元素占4个字节 

• ndarray数组的创建 
• 数组的维度变换
• 数组的类型变换
• 数组切片
• 数组的运算 
• 数据的CSV文件存取
• numpy随机数函数
• numpy的统计函数
• numpy的梯度函数
• 图像的表示和变换

Pandas

pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。

Series	DateFrame
类似一维数组的对象，	类似多维数组/表格数组；每列数据可以是不同的类型；索引包括列索引和行索引。

Series类型

引用

Series 类型创建

Series类型是一组数据及与之相关的数据索引组成

index 获得索引 .values 获得数据

in ： 判断“键”是否在字段中 返回 True / False
b.get(‘f’, 100) 获取b的索引为‘f’的数据，若不存在，返回100

DataFrame类型创建

 DataFrame是表格型类，可理解为二维数据类型， 其由共用相同索引的一组列组成： index（axis=0），colum（axis=1）

从ndarray创建DataFrame类型
d= pd.DataFrame(np.arange(10).reshape(2,5))

 注意：必须先[‘one’]后[‘b’]，先列后行

Pandas数据类型操作

重新索引
reindex(index=None, columns=None,…)方法 可改变或重排Series和DataFrame索引

fill_value 在重新索引，用于填充缺失位置的值
method 填充方法，ffill当前值向前填充， bfill向后填充
limit 最大填充量
copy 默认为True，生成新的对象，False时，新旧相等，但不复制

索引类型常用方法

.append(idx) 连接另外一个Index对象，产生新的Index对象
.diff(idx) 计算差集，产生新的Index对象
.intersection（idx） 计算交集，产生新对象
.union（idx） 计算并集
.delete（loc） 删除loc位置处的元素
.insert（loc, e） 在loc位置增加一各元素e

数据排序

.sort_index()方法在指定轴上根据索引进行排序，默认升序。
.sort_index（axis=0,ascending = True） ascending是指递增排序
.sort_values()方法在指定轴上根据数值进行排序，默认升序。
Serier.sort_values(axis= 0, ascending=True)
DataFrame.sort_values(by, axis = 0, ascending = True)
by: 只对axis轴上的某个 索引 或 索引列表 进行排序

Pandas统计分析函数

.sum() 计算数据总和，按0轴计算
.count() 非NaN值的数量
.mean() .median() 计算算术平均值、算术中位数
.var() .var() 计算方差、标准差
.min() .max 计算最小、大值

.argmin() .argmax() 计算最大、小值所在位置的索引（针对自动索引的）（适用于Series类型：）
.idxmin() .idxmax() 计算最大、小值所在位置的索引（针对自定义索引的）（适用于Series类型：）

.describe() 针对0轴（各列）的统计汇总

数据的相关性

.cov() 计算协方差矩阵
.corr() 计算相关系数矩阵