“广播机制:通过扩展实现数组运算”的版本间的差异
来自CloudWiki
(创建页面,内容为“ == Numpy数组的广播机制 == *注意numpy里数组之间的运算和线性代数中的矩阵运算是不一样的 *同纬度和形状的数组之间就是同位…”) |
|||
第5行: | 第5行: | ||
------------------------------- | ------------------------------- | ||
import numpy as np | import numpy as np | ||
− | x = np.array([[1,2,1],[4,5,6]]) | + | <br>x = np.array([[1,2,1],[4,5,6]]) |
− | y = np.array([[1,2,1],[3,4,5]]) | + | <br>y = np.array([[1,2,1],[3,4,5]]) |
− | print(x+y) | + | <br>print(x+y) |
− | + | <br>[[ 2 4 2] | |
− | + | <br>[ 7 9 11]] | |
print(x-y) | print(x-y) | ||
# [[0 0 0] | # [[0 0 0] |
2020年5月16日 (六) 11:08的版本
Numpy数组的广播机制
- 注意numpy里数组之间的运算和线性代数中的矩阵运算是不一样的
- 同纬度和形状的数组之间就是同位置的元素两两匹配运算的结果
import numpy as np
x = np.array([[1,2,1],[4,5,6]])
y = np.array([[1,2,1],[3,4,5]])
print(x+y)
[[ 2 4 2]
[ 7 9 11]]
print(x-y)
- [[0 0 0]
- [1 1 1]]
print(x*y)
- [[ 1 4 1]
- [12 20 30]]
注意:如果是列和行其中之一有空缺是可以通过复制来运算的。 但是蓝本不能有缺或者多,即行和列都不完整。
矩阵数组的创建
import numpy as np
a = np.arange(3,10)#默认从3开始到10(不包括10),步长为1 print(a)
- >>>[3 4 5 6 7 8 9]
a_ones = np.ones((3,4))#创建3*4的全1矩阵 print(a_ones )
- [[1. 1. 1. 1.]
- [1. 1. 1. 1.]
- [1. 1. 1. 1.]]
a_zeros = np.zeros((3,4))#创建3*4的全0矩阵 print(a_zeros )
- [[0. 0. 0. 0.]
- [0. 0. 0. 0.]
- [0. 0. 0. 0.]]
a_eye = np.eye(3)#创建3阶单位矩阵
- print(a_eye)
- [[1. 0. 0.]
- [0. 1. 0.]
- [0. 0. 1.]]
矩阵数组的点乘 —— dot
import numpy as np
a = np.array([[1,2,3],[7,6,2]]) b = np.array([[1,2],[7,6],[8,2]]) print(a.dot(b))
- [[39 20]
- [65 54]]
print(a[0,:].dot(b))#第一行的所有列*b
行列式的叉乘 —— linalg.det
import numpy as np
a = np.array([[2,3],[6,2]]) print(np.linalg.det(a))
- >>>-14.000000000000004