numpy 多维矩阵
来源:互联网 发布:windows dns配置文件 编辑:程序博客网 时间:2024/06/04 18:41
对于shape是(4,3,3,2)的4维矩阵,其意思是在(4,3)的矩阵中,其每个元素是(3,2)的矩阵,也就是(4,3)的矩阵嵌套一个(3,2)的矩阵
import numpy as npa = np.random.randn(4,3,3,2)print(a)
输出结果为
[[[[-2.26728458 -0.93044922] [-0.79551665 -0.94800901] [ 0.78514497 2.06200093]] [[-1.60940096 -0.24614001] [ 0.29647288 -0.29924968] [ 0.16358296 0.74884066]] [[ 1.09777908 1.49181953] [ 0.46415243 0.24711349] [-1.2020132 1.24691265]]] [[[-0.31466526 -0.72276109] [-0.81892115 1.06496607] [ 1.401888 0.59864402]] **[[-2.08980204 0.55446417] [ 1.41521024 -2.51285901] [ 0.39136998 1.00890537]]** [[-0.39626076 1.38580398] [-1.29230797 -1.69083911] [ 1.54104362 0.8584694 ]]] [[[-0.28891173 -2.07050353] [-0.36509318 -1.03264759] [ 0.96609009 -0.84523115]] [[-1.67746496 0.0796231 ] [-0.24992364 -0.49804146] [-0.79940273 0.88040293]] [[-1.41201124 0.23929839] [-0.78763281 -0.76797591] [-1.15122065 0.40700796]]] [[[-1.19984005 -1.81134743] [-0.72768683 -0.08521888] [ 0.5493634 1.275239 ]] [[-1.59056989 -0.97041589] [-0.74594324 -0.61091165] [-1.09071522 1.08896788]] [[ 0.68662254 -1.70185507] [-0.39004449 -0.47509404] [-0.11858611 -0.49051322]]]]
那么
b = a[1,1]
print(b)
输出结果为
[[-2.08980204 0.55446417] [ 1.41521024 -2.51285901] [ 0.39136998 1.00890537]]
b刚好是在(4,3)矩阵的(1,1)位置上(矩阵维数从0开始计)
阅读全文
0 0
- numpy 多维矩阵
- numpy合并多维矩阵、list的扩展
- numpy.ndarray 交换多维数组(矩阵)的行/列
- Numpy入门学习之(一)数组、多维数组、矩阵
- NumPy 创建多维数组
- 多维矩阵转一维矩阵
- Numpy - 多维数组(上)
- numpy基本用法多维数组
- NumPy 矩阵处理
- numpy 矩阵运算
- numpy矩阵处理
- Numpy中矩阵对象
- numpy 矩阵计算例子
- NumPy矩阵运算
- numpy之矩阵
- NumPy 数组矩阵运算
- NUMPY矩阵处理
- python numpy 矩阵操作
- 常见网络通信制式基本常识
- Bone Collector(基础 0-1背包)
- RCNN个人的几点见解
- 时间处理大总结之Python
- Ubuntu 16.04 LTS国内快速更新源
- numpy 多维矩阵
- python3 deque(双向队列)用法
- 程序员进阶:怎么成为一个软件架构师?
- 排序算法之冒泡(一)
- Oracle中的translate函数用法
- MySQL的常用命令
- android停止handler的办法
- 输入100以内含7或7倍数的数
- Jave基础知识