Python Numpy中的常见用法学习

参考：

• https://zhuanlan.zhihu.com/p/562082459

Python中的特殊索引方式

以a = [1,2,3,4,5,6,7,8]为例

1. [- n]，倒着数第n个元素

• [-1]，最后一个元素
• 同样的[-2]表示倒数第二个元素。

2. [n : m]，从第n项到第m-1项（前闭后开）

• [:-1]，从第一项到倒数第二项
• [:5]，从第1个到第5个(idx从0开始)元素。
• [2:5]，从第3项到第5项元素。

3. [n : m : k]，从第n项开始取，每隔k个取一项，截止到第m-1项（前闭后开），当k为正的时候起始索引应该小于结束索引；当k为负的时候起始索引应该大于结束索引，因为在倒序来看，首先是索引值大的被取到，然后才是索引值小的。

• [::-1]，全列表倒序
• [4::-1]，从第5项倒序取到第0项

逗号表示维度的分割线

4. [n:m, j:k, g:h]，第0维从n到m，第1维从j到k，第2维从g到h（均为前闭后开）

• [:,:,0]： 前两个维度全选，最后一个维度只取0号索引。
• […,-1]：…省略维度，表示前面所有维度
• […,::-1]： 对最后一个维度进行逆序。
• [:,::-1,:]：第二个维度逆序。

Tensor交换维度

transpose()

可以交换tensor的任意两个维度，但是该函数一次只有两个参数，即一次只能交换两个维度。

1
2
3

import torch
x = torch.randn(8, 6, 5, 4)
y = x.transpose(1,2)  # 交换第二与第三维度

permute()

该函数可以随意交换任意维度，并且可以重新排列整合维度

1
2
3

import torch
x = torch.randn(8, 6, 5, 4)
y = x.permute(3,0,2,1)

Numpy交换维度

transpose()

1
2

import numpy as np
img = np.transpose(img, (1, 2, 0))

Numpy挤出维度

1
2
3
4
5
6
7
8
9
10
11
12

x = np.arange(8).reshape(2, 4)
 
# 添加第0维,输出shape -> (1, 2, 4)
x1 = x[np.newaxis, :]
x1 = x[np.newaxis, ...]
x1 = x[None, :]
x1 = x[None, ...]
print(x1.shape)
 
# 添加第1维, 输出shape -> (2, 1, 4)
x2 = np.expand_dims(x, axis=1)
print(x2.shape)