- Numpy几乎是Python 生态系统的数值计算的基石，例如Scipy，Pandas，Scikit-learn，Keras等出色的包都基于Numpy。其ndarray（ N-dimensional array）比python的list性能优越，在数值计算，机器学习，人工智能，神经网络等领域广泛应用。
详细介绍：
numpy.reshape(a, newshape, order=’C’)简单来说就是不改变数据内容的情况下改变数据的行列大小，行*列 始终等于元素总个数。其中常见用法为传入 -1参数，解释如下：
a.reshape(-1, 1) ====>转变为一列的数组
a.reshape(1, -1) ====>转变为一行的数组
np.reshape(bd, (71, 60, 1))===>将bd转变为一个3维数组，共71个元素，每个元素由60行1列组成。
a.reshape(10, 11) 等同于 a.reshape((10, 11))
a = np.array([[0,1,2,3],[4,5,6,7],[8,9,10,11]])
print(a)
print(a[0:3, 1:4])
#输出结果：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[ 1 2 3]
[ 5 6 7]
[ 9 10 11]]
a[0:3, 1:4] 解释：此表达式表示取a的[0,3)行、[1,4)列。
- MinMaxScaler数据归一化，常用方法：
MinMaxScaler(feature_range=(0, 1))==>参数feature_range控制数据压缩到[0,1]，常用的的计算方式为 x' = (x - min(x)) / (max(x) - min(x))，也可以定义自己的计算公式。
详细解释：
Original: https://blog.csdn.net/yrnaaa/article/details/122774272
Author: yrnaaa
Title: PYTHON学习总结
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/761322/
转载文章受原作者版权保护。转载请注明原作者出处！