目录Numpy创建矩阵并等间隔抽取数据1、利用Numpy创建向量和二维矩阵1.2 创建二维矩阵2、等间隔抽取数据3、N维矩阵抽取同理对Numpy数据多个维度上等间隔取值总结
1.1 创建向量
得到
需要强调的是，向量的维度，在python中并不是书本上所学的
，而是
即只有9，向量的列数1，被置为空。
注意的是，无论是行向量还是列向量，维度都是(N,空)，而不会(空,N)
由于列数是空，所以与矩阵相乘的时候，无法放在左边，即不能向量*矩阵，只能矩阵乘向量
注意：这里1前面有两个中括号(N维矩阵就是N个中括号)。结果为：
2.1 向量抽取
由于向量只有一维，所以只需
解释：a[0:9:2]表示向量中第[0~9)位置处的数据按照每2个取一个的规则取出。由于0~9是前闭后开区间，所以等价于抽取第0，2，4，6，8个位置的数据
且如果a[0,0:9:2]会报错，错误如下：
这是因为向量只有一维，a[0,0:9:2]表示的是第一维是0，第二维是0：9：2，所以报错。
2.2 二维矩阵抽取
由于二维矩阵有两维，所以需要
如图b是一个3行5列的矩阵
(1) 抽取的行为0：3：2，即[0,3)行中每两行取一行，则取出来是第0行和第2行，
(2) 抽取的列为0：5：3，即[0,5)列中每3列取一列，则取出来是第0列和第3列。
综上，取出来的数据是b(0,0)=1，b(0,3)=4，b(2,0)=1，b(2,3)=3
即
import torch
import numpy as np
import time
from torch.autograd import Variable
a=np.arange(256*256*3)
d256=a.reshape((256,256,3))
d128=d256[::2,::2]
print(d128.shape)
d64=d256[::4,::4]
print(d64.shape)
d32=d256[::8,::8]
print(d32.shape)
import numpy as np
import time
from torch.autograd import Variable
a=np.arange(256*256*3)
d256=a.reshape((256,256,3))
d128=d256[::2,::2]
print(d128.shape)
d64=d256[::4,::4]
print(d64.shape)
d32=d256[::8,::8]
print(d32.shape)
两个冒号后面的数字表示取间隔的大小，上面只在d256前两个维度等间隔取值，若要在第三个维度也等间隔取值，再加一个逗号即可
d=d256[::2,::2,::2]
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
您可能感兴趣的文章:python list数据等间隔抽取并新建list存储的例子在NumPy中创建空数组/矩阵的方法Numpy创建NumPy矩阵的简单实现Python?NumPy教程之数组的创建详解
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
