【NumPy】数组的维度变换在DL|ML数据集处理时的妙用

记录

        近日老师布置的作业中提供了一个csv文件，里面有59列，其中前面58个是数据的属性，也就是决定该某个该数据数据类别的58个变量，最后列是该数据的分类结果。比如：同样的数字手写体“1”和“8”，他们的属性就是形状、粗细等，类别就是对应的1, 8。

        但是当我读取完数据并且划分好了数据集，打印出训练集的shape是这样的：（28,2760）——（数据维度+数据数量）很明显这是错误的，那么该如何解决呢？

---

【NumPy】数组的维度变换在DL|ML数据集处理时的妙用

记录

正文 

np,swapaxes——交换维度！

---

正文 

        众所皆知：对于投喂给模型(fit操作)的X（数据），Y（标签）中的X，不论是深度学习还是机器学习格式都是这样的：第一个维度都是数量，后面的维度是数据的维度，也就是数据数量+数据维度的格式。

        比如：Mnist数据中的X.shape=(70000, 28, 28）正是说有7W个（28,28）的数据，所以毫无疑问我的数据集X必须是（2760,28）——（数据数量+数据维度）而不是(28, 2760）——（数据维度+数据数量）。

       最后有一点差点忘记讲的是：数据集一般都是np.array的格式。

---

np,swapaxes——交换维度！

        这个时候就终于轮到我们的正主：np,swapaxes登场啦!

        刚刚我们提到，现在的数据是（数据维度+数据数量），而我的数据维度毫无疑问只是简单的1，所以说解决的办法显而易见：交换数据集维度1和维度0！

        那我们该如何去做呢？第一反可能会是用for循环之类的暴力交换，实际上，我们不需要这么麻烦，我也是想到了numpy的作者考虑到了维度交换的问题，会有这样一个函数，一查果然有！所以我们只需要在处理完数据集后对x_trian和x_test做以下操作： 

x_train = np.swapaxes(x_train, 0, 1)
x_test = np.swapaxes(x_test, 0, 1)

便可以达到我们的目的。

当然还有一种特别的情况: 就是我们的数据集是一维的，这个样子就更简单了，我们只需要：

x_train = x_train.reshape(-1,1)

除此之外，还有一些函数也会起到作用，在此处一一列出来，供大家参考使用！