日新月异 PyTorch - numpy 基础: numpy 数组的添加和删除，以及常用函数
日新月异 PyTorch - numpy 基础: numpy 数组的添加和删除，以及常用函数
示例如下:
numpy\demo5.py
import numpy as np
# 数组的添加和删除
def sample1():
a = np.array([[1,2,3],[4,5,6]])
print(a)
'''
[[1 2 3]
[4 5 6]]
'''
# 在指定的轴上，追加指定的数据
b = np.append(a, [[7,8,9]], axis = 0)
print(b)
'''
[[1 2 3]
[4 5 6]
[7 8 9]]
'''
# 在指定的轴的指定的位置上，添加指定的数据
c = np.insert(b, 1, [7,8,9], axis = 1)
print(c)
'''
[[1 7 2 3]
[4 8 5 6]
[7 9 8 9]]
'''
# 在指定的轴的指定的位置上，删除数据
d = np.delete(c, 1, axis=1)
print(d)
'''
[[1 2 3]
[4 5 6]
[7 8 9]]
'''
# 数组的常用函数
def sample2():
a = np.array([0,20,40,80,90])
print(a)
# 三角函数 np.sin(), np.cos(), np.tan() 等
b = np.sin(a*np.pi/180)
print(b) # [0. 0.34202014 0.64278761 0.98480775 1. ]
# 取小于等于的整数
c = np.floor(b)
print(c) # [0. 0. 0. 0. 1.]
# 取大于等于的整数
d = np.ceil(b)
print(d) # [0. 1. 1. 1. 1.]
# 取四舍五入后的的整数（around 和 round 是一样的）
e = np.around(b)
print(e) # [0. 0. 1. 1. 1.]
# 指定保留的小数位数，并四舍五入（around 和 round 是一样的）
e = np.around(b, 3)
print(e) # [0. 0.342 0.643 0.985 1.]
# 对于正好 .5 来说，其会被舍入到最接近的偶数
print(np.around(0.5), np.around(1.5)) # 0.0 2.0
# 取最小数
f = np.min(b)
print(f) # 0.0
# 取最大数
g = np.max(b)
print(g) # 1.0
# 取平均数
h = np.average(b)
print(h) # 0.5939231012048831
# 数组 b 中，如果元素的值 > 0.5，则元素值变为原值 + 100，否则元素值变为原值 + 10
i = np.where(b > 0.5, b + 100, b + 10)
print(i) # [10. 10.34202014 100.64278761 100.98480775 101. ]
x = np.array([[1,2],[2,3],[3,4]])
print(x)
'''
[[1 2]
[2 3]
[3 4]]
'''
# 去重并降至一维，结果对应 x1
# return_index=True 返回的数据对应 x2，其代表结果数据相对于原始数据的索引位置
# return_inverse=True 返回的数据对应 x3，其代表原始数据相对于结果数据的索引位置
# return_counts=True 返回的数据对应 x4，其代表结果数据相对于原始数据的重复次数
x1, x2, x3, x4 = np.unique(x, return_index=True, return_inverse=True, return_counts=True)
print(x1, x2, x3, x4)
'''
[1 2 3 4] [0 1 3 5] [0 1 1 2 2 3] [1 2 2 1]
'''
if __name__ == '__main__':
# 数组的添加和删除
sample1()
# 数组的常用函数
sample2()
