2020-01-18 一些python技巧

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()