基础内容
坐标轴 axis
维度 ndim
和形状 shape 以及元素各个轴元素 的个数
索引--单个元素 切片--多个元素[start:end:step]不包括终点的值
当start是0时,可以省略;当end是列表的长度时,可以省略.
trans_matrix[:3,:3]
trans_matrix[0:3,3]
元组中只有一个元素时，元素后面需要加逗号(1,)
元组通过圆括号中用逗号分割的项目定义
()圆括号 --01.作为函数的一种结构，02.作为元祖的数据类型，eg: np.zero((N,4))
[]方括号 --01.作为索引的表示 02.作为列表的数据类型
索引 循环 切片 遍历 index loop slice traversal iterate recursion
坐标轴--axis
shape属性返回值是一个tuple
shape[0] 对应第 0个 axis 的元素的个数
shape[1] 对应第 1个 axis 的元素的个数
ndim =len(arr.shape)
二维： axis = 0 行方向
axis = 1 列方向
(N,M)
三维：len(arr.shape)=3 =ndim
(N,M,L) axis = 0 axis = 1 axis = 3
axis axis = 0 axis = 1
行 ：row 列：column
水平: horizontal 垂直: vertical
横向 纵向
纬度 latitude 纬度线水平-标识南北 经度 Longitude ：经度线垂直-标识东西
横纬竖经 纬线 纬度起在赤道，和赤道平行，
经线 连接南北两极，
01.##方式01.
np.r_ == hstack
np.c == np.vstack
02.多维数组拼接--将不同维数的数组连接一起
np.r_ 混合切片语法--['a,b,c'] eg: '0,0,-1'
np.r_['0,0,-1',arr_a,arr_b]
数组拼接函数
#!/usr/bin/python3
# -*- coding: utf-8 -*-#
import numpy as np
if __name__ == '__main__':
arra_3 = np.array([[5,6,7], [7,8,9],[3,4,5], [0,1,2], [1,2,9]])
arra_4 = np.array([[2], [4], [6], [8], [9]])
print(arra_3.shape[0], arra_4.shape[0])
print(arra_3.shape, arra_4.shape, np.hstack((arra_3, arra_4)).shape)
arra_1 = np.array([[5,6,7,8], [7,8,9,0]])
arra_2 = np.array([[1,2,3,4], [5,6,9,1], [5,6,7,1]])
print(arra_1.shape[1], arra_2.shape[1])
print(arra_1.shape, arra_2.shape, np.vstack((arra_1, arra_2)).shape)
具体应用
vstack( (list1, list2) )。注意是两个括号
np.hstack
np.vstack()
eg：
pc=o3d.t.io.read_point_cloud(pcd)
pcd_xyz=pc.point["positions"].numpy()
pcd_intensity = pc.point["intensity"].numpy()
points = np.hstack([pcd_xyz,pcd_intensity ])
##数组的ndim必须相同 (N,3)(N,1)---> (N,4) axis=0方向上元素相同， axis=1 方向上拼接
horizontal merger 是横向合并的意思，即：保持行数不变，扩展列数
all_points = np.zero((0,4), dtype=np.float32)
for data in enumerate(datas):
all_points= np.vstack([all_points, data] )
数组的ndim必须相同 (0,4)(N,4) (M,4)---> (N+M,4) axis=0方向上元素拼接， axis=1 方向相同shape[1]的值
连接多为数组的对象
np.r_
np.c_
创建数值序列工具
importe numpy as np
###间隔起始点、终止端，以及指定分隔值总数（包括起始点和终止点）；最终函数返回间隔类均匀分布的数值
## 输出数组个数 --线性等距数列
np.linspace(start = 0, stop = 100, num = 5)
## 实际调用时无需显示指定参数名称，可以通过参数位置直接匹配
choose_num_index = np.linspace(0, file_k-1, choose_total_num, dtype=int)
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
start:返回样本数据开始点
stop:返回样本数据结束点
num:生成的样本数据量，默认为50
endpoint：True则包含stop；False则不包含stop
retstep：If True, return (samples, step), where step is the spacing between samples.(即如果为True则结果会给出数据间隔)
dtype：输出数组类型
axis：0(默认)或-1
创建数值序列工具-np.arange
项与项之间的差为固定值的数列--作为索引值使用
类似于python中的range eg: 创建0-9之间的元素
[x for x in range(10)]
linspace能够精确控制终止值终值，而arange能够更直接地控制序列中值之间的增量
np.arange(start, stop, step,dtype=None) # （参数：起始，结尾，步长）
numpy.logspace函数生成等比数列
10位的时间戳，其精度是秒(s)；
13位的时间戳，其精度是毫秒(ms)；
分组-根据key值进行分组
##001.利用传统的dict
d = {}
for key, value in pairs:
if key not in d:
d[key] = []
d[key].append(value)
###002.利用defaultdict的代码如下：
from collections import defaultdict
d = defaultdict(list)
for key, value in pairs:
d[key].append(value)
类似--根据时间戳进行分组--根据key进行分组
image_group = {}
for image_file in image_list:
# 提取时间戳到秒- 1619173359.123156.jpg
time_sec = get_sec_time(image_file)
if time_sec not in image_group:
image_group[time_sec] = []
image_group[time_sec].append(image_file)
from collections import defaultdict
d = defaultdict(list)
for img_file in img_list:
time_sec =get_sec_time(image_file)
d[time_sec].append(img_file)
抽帧--每一组的处理
for time_sec in img_group:
img_sig_collect = image_group[time_sec]
element_cnt = len(img_sig_collect)
if element_cnt < step:
new_sample.extend(img_sig_collect)
else:
count = t
offset = round(element_cnt/step)
for i in range(0,element_cnt,offset)
new_sample.append(img_sig_collect[i])
count = count +1
if count == step:
break
print(new_sample)
分组-根据元素个数进行分组 range(stop) range(start, stop[, step]) step：步长，默认为 1
image_list.sort()
frame_ps = 2
cur_idx = 0
while(cur_idx < len(image_list)):
target_img = image_list[cur_idx]
selected_id = range(max(0,cur_idx), min(cur_idx+frame_ps, len(image_list)) , 1)
img_window = [image_list[i] for i in selected_id ]
###打印每组的元素和每组元素中第一个值
print(target_img)
for img_data in img_window:
print(img_data)
参考
1.6 字典中的键映射多个值 https://python3-cookbook.readthedocs.io/zh_CN/latest/c01/p06_map_keys_to_multiple_values_in_dict.html