1 查看数据类型-type()
list = [1,2,3]
type(list)
结果：list
import numpy as np
arr = np.array([1,2,3])
type(arr)
结果：numpy.ndarray
2 查看数组的一些属性type、dtype、size、shape、ndim
import numpy as np
arr = np.array([1,2,3,4],dtype=np.complex128)
print("数据类型：",type(arr))
print("数组元素数据类型：",arr.dtype)
print("数组元素总数：",arr.size)
print("数组形状：",arr.shape)
print("数组的维度数目",arr.ndim)
结果：
数据类型： <class ‘numpy.ndarray’>
数组元素数据类型： complex128
数组元素总数： 4
数组形状： (4,)
数组的维度数目 1
3 输出数组全部内容（不省略）
import numpy as np
np.set_printoptions(threshold=np.inf)
加入上一句，就可以查看有些数组省略的内容。
4 数据集和测试集分配比例train_size
建立训练数据和测试数据(训练数据越多，模型越准确)
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(exam_x, # 样本特征
exam_y, # 样本标签
train_size=0.8) # 训练数据占比
5 查看history属性
#history属性
history_dict = history.history
history_dict.keys()
结果：[]:dict_keys([‘loss’, ‘accuracy’, ‘val_loss’, ‘val_accuracy’])
6 shuffle(洗牌)；不改变对应关系，打乱多个列表/数组
state = np.random.get_state()
np.random.shuffle(train)
np.random.set_state(state)
np.random.shuffle(label)
列表例子：
import numpy as np
data = [[1,1,1],[2,2,2],[3,3,3],[4,4,4],[5,5,5],[6,6,6]]
label = [0,0,1,1,1,0]
state = np.random.get_state()
np.random.shuffle(data)
np.random.set_state(state)
np.random.shuffle(label)
print(data)
print(label)
结果：
[[6, 6, 6], [2, 2, 2], [4, 4, 4], [3, 3, 3], [5, 5, 5], [1, 1, 1]]
[0, 0, 1, 1, 1, 0]
数组例子：
import numpy as np
data_arr = [[1,1,1],[2,2,2],[3,3,3],[4,4,4],[5,5,5],[6,6,6]]
data_arr = np.array(data_arr)
label_arr = np.array([0,0,1,1,1,0])
state1 = np.random.get_state()
np.random.shuffle(data_arr)
np.random.set_state(state1)
np.random.shuffle(label_arr)
print(data_arr)
print(label_arr)
结果：
[[1 1 1]
[4 4 4]
[2 2 2]
[5 5 5]
[6 6 6]
[3 3 3]]
[0 1 0 1 0 1]
|