python numpy 矩阵用法
来源:互联网 发布:云计算ai工程师 编辑:程序博客网 时间:2024/06/05 00:45
http://blog.csdn.net/liangzuojiayi/article/details/51537314
1.数组转置和轴对换:数组不仅有transpose方法,还有一个特殊的T属性:
arr = np.arange(15).reshape(3,5)
输出:array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]])输出:
array([[ 0, 5, 10], [ 1, 6, 11], [ 2, 7, 12], [ 3, 8, 13], [ 4, 9, 14]])
2.进行矩阵计算时,经常需要用到该操作,比如利用np.dot计算矩阵内积XTX:输出:
array([[-0.83790345, -1.13304154, -0.42567014], [ 0.75742538, 1.24634357, -1.00116761], [ 0.54168995, -0.83717253, -1.11580943], [-0.13315165, 0.0331654 , 0.70605975], [-2.57536154, -0.68951735, 1.16959181], [-1.26193272, -1.24703158, 0.3183666 ]])输出:
array([[ 9.81189403, 4.78491411, -4.51395404], [ 4.78491411, 5.56963513, -1.01142215], [-4.51395404, -1.01142215, 4.39638499]])
3.对于高维数组,transpose需要得到一个由轴编号组成的元组才能对这些轴进行转至(比较难理解):输出:
array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8, 9, 10, 11], [12, 13, 14, 15]]])
输出:array([[[ 0, 1, 2, 3], [ 8, 9, 10, 11]], [[ 4, 5, 6, 7], [12, 13, 14, 15]]])
提示:transpose(1,0,2)把原来的shape由(2,2,4)变成了(2,2,4),就是第一个轴和第二个轴上面的元素互换。
比如原来位置(0,1,0)上的元素为4,现在把它放到了(1,0,0)这个位置,就是下面那个位置由8变成了4,标出了红色。
4.ndarray还有一个swapaxes方法,它接受一对轴变换:输出:
array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8, 9, 10, 11], [12, 13, 14, 15]]])输出:
array([[[ 0, 4], [ 1, 5], [ 2, 6], [ 3, 7]], [[ 8, 12], [ 9, 13], [10, 14], [11, 15]]])
5.通用函数sqrt、exp、maximum:
输出:array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])输出:
array([ 0. , 1. , 1.41421356, 1.73205081, 2. , 2.23606798, 2.44948974, 2.64575131, 2.82842712, 3. ])输出:
array([ 1.00000000e+00, 2.71828183e+00, 7.38905610e+00, 2.00855369e+01, 5.45981500e+01, 1.48413159e+02, 4.03428793e+02, 1.09663316e+03, 2.98095799e+03, 8.10308393e+03])输出:
array([-0.24726724, 0.69709717, 0.9658356 , 1.89019088, -0.28912795, -0.09235779, 0.37690775, 0.9102138 ])输出:
array([-0.05048326, -0.02207697, -0.59940773, -1.32029941, 0.30894105, -0.05807405, -1.5019804 , 0.12918562])输出:
array([-0.05048326, 0.69709717, 0.9658356 , 1.89019088, 0.30894105, -0.05807405, 0.37690775, 0.9102138 ])
输出:
array([ -1.53462646, 6.15168006, 4.32588912, -0.05408803, -2.98953481, -10.83013834, 1.13673478])输出:
(array([-0.53462646, 0.15168006, 0.32588912, -0.05408803, -0.98953481, -0.83013834, 0.13673478]), array([ -1., 6., 4., -0., -2., -10., 1.]))
阅读全文
0 0
- python numpy 矩阵用法
- numpy 矩阵的用法
- python numpy 矩阵操作
- numpy矩阵相乘@的用法
- python numpy用法讲解
- Python<Numpy常见用法>
- python numpy包---矩阵运算
- Python:合并两个numpy矩阵
- python numpy 矩阵转置
- Python中的numpy矩阵运算
- Python numpy矩阵处理技巧
- Python numpy生成矩阵、串联矩阵
- Python numpy生成矩阵、串联矩阵
- Python Numpy的数组array和矩阵matrix的用法与区别
- Python科学计算库Numpy里meshgrid用法及矩阵向量合并问题
- python之numpy的用法
- python: numpy--函数 shape用法
- python: numpy --函数 tile用法
- 数据库设计中常见表结构的设计技巧
- Tomcat配置跨域问题
- fiddler和wireshark工具介绍及对比
- python下安装和使用opencv
- 如何利用Python和win32编程避免重复性体力劳动(三)——文本框操作:WM_GETTEXT 和WM_SETTEXT
- python numpy 矩阵用法
- scrapy抓取quote使用案例
- session和cookie的简单用法
- DUBBO 详细介绍
- 检查代理ip的有效性
- 利用栈和递归进行字符串逆序
- WOJ1222-Cheapest Palindrome
- 关于Collections的学习笔记
- vsftpd虚拟用户设置