变量类型的转换

list、array、set、tuple，tensor转换方式：

list转array	a1 = np.array(l1)	array转list	l1 = a1.tolist()
list转set(1维)	s1 = set(l1)	set转list	l1 = list(s1)
ist转tuple	t1 = tuple(l1)	tupel转list	l1 = list(t1)
array转set(1维)	s1 = set(a1)	set转array	a1 = np.array(s1)
array转tuple	t1 = tuple(a1)	tuple转array	a1 = np.array(t)
set转tuple	t1 = tuple(s1)	tuple转set	s1 = set(t1)

numpy中的ndarray转化成pytorch中的tensor : torch.from_numpy()

pytorch中的tensor转化成numpy中的ndarray : numpy(）

numpy ndarray 与 list 互相转换

list 转 numpy

np.array(a)

ndarray 转 list

a.tolist()

注意：如果使用list()函数来转化的话，会只有第一维转化成功，而其他维度任然是array的格式

#list to tuple
lis=[1,2,3,4,5,6]
x=tuple(lis)
print(type(x),x)

#tuple to list
tup=(1,2,3,4,5,6)
y=list(tup)
print(type(y),y)

A.tolist和list(A)的区别

A = np.reshape(np.arange(6),(3,2)) #生成一个3行2列的array
print（"数组A：",A）
print('A.tolist():',A.tolist())
print('list(A): ',list(A))

数组A：
array([[0, 1],
       [2, 3],
       [4, 5]])

A.tolist(): [[0, 1], [2, 3], [4, 5]]

list(A): [array([0, 1]), array([2, 3]), array([4, 5])]

可以看到：list(A)只是把最外层的array变成了list，但是里边的每个向量都还是array类型。

list中重复项查找和解决办法：

https://blog.csdn.net/sunshine__0411/article/details/80792970

https://blog.csdn.net/weixin_33896726/article/details/88980064

set转换

由于set中的元素必须是唯一(即hashable类型),因此转换的数据类型必须是可哈希的，
可哈希类型:tuple ,constant，str,int float
不可类型：list dict set
同理字典的key也必须是可哈希的，对于value则没有此要求。

所以归根结底，还是可变与不可变类型的问题。

注意：下表中list和array转换的方法只适用于1维，如果list中包含list那么会出现错误提示TypeError: unhashable type: ‘list’

原因：可能你会问，set 不是可以接受 list，并将其转换为 set 吗？比如set([1, 2, 3])，注意，上文说的可哈希，不可哈希，是对可迭代类型（iterables）所存储元素（elements）的要求，[1, 2, 3]是可迭代类型，其存储元素的类型为int，是可哈希的，如果set([[1, 2], [3, 4]])，[[1, 2], [3, 4]]list of lists（list 构成的 list）自然是可迭代的，但其元素为 [1, 2] 和 [3, 4]是不可哈希的。

enumerate会将数组或列表组成一个索引序列。使我们再获取索引和索引内容的时候更加方便如下：

for index，text in enumerate(list)):

print index ,text

PIL打开图片格式与array格式转换

PIL open()以及crop方法打开的图片格式为

1 2	<class 'PIL.Image.Image'> <PIL.Image.Image image mode=RGB size=224x224 at 0x241D78DB438>

PIL image转换成array

1	img = np.asarray(image)

需要注意的是，如果出现read-only错误，并不是转换的错误，一般是你读取的图片的时候，默认选择的是”r”,”rb”模式有关。

修正的办法:　手动修改图片的读取状态

1	img.flags.writeable = True # 将数组改为读写模式

array转换成image
Image.fromarray(np.uint8(img))

图像处理的常用函数：https://blog.csdn.net/luolinll1212/article/details/82970978

Numpy.array与Python内置数据类型list的异同

Python 本身是设计为通用编程语言的，在科学计算方面远远不如MATLAB等语言。但是Python支持开发了Numpy，Numpy使Python有潜力在科学计算领域类比Matlab。numpy的array和list都可以表示多维数组，但各有优劣。list的通用性较强，通过嵌套形成多维数组，元素类型可以不同，实际存储的是数据的指针，还需另外存储指针和数据，在大数组情况下存储和吞吐效率较低；numpy的array是numpy的主要对象，专门为科学计算设计，元素类型必须相同，每个dimension称为一个axes，通过一组正整数来访问（list还可以通过负整数访问），array的操作和计算函数都是通过C编写，不受python解释器的限制，代码复杂度低，计算效率和吞吐效率高。

语法细节的不同：

寻址的形式：[1,1]（只有numpy.array可以），[1] [1] (numpy.array和list都可以)
元素类型，list可以不同，numpy的array必须相同。
相互转换：numpy.array()；list()

Numpy.array与Numpy.matrix的异同

numpy中还有一种数据类型matrix，matrix只能是二维的，赋值和运算与array有很多小的区别。
语法细节的不同：

赋值的形式：

1
2
3

import numpy as np
a=np.mat('4 3; 2 1')
c=np.array([[4, 3], [2, 1]])

matrix可以有转置.T，共轭.H，逆矩阵.I；array只能用.T
点积运算：array是 * ；matrix是np.multiply()
矩阵乘：array用np.dot()；matrix是*
乘介运算**：对于matrix是矩阵乘，对于array是点积
在做归约运算时，array的维数会发生变化，但matrix总是保持为2维
相互转换：numpy.asmatrix()；numpy.asarray()