numpy 矩阵相关函数
2018-01-12 10:31
375 查看
我们 知道,矩阵在python里面用的不少,所以记载下关于矩阵的操作
numpy.zeros():可以用来构造全零矩阵
[plain] view
plain copy
>>> zeros(3)
array([ 0., 0., 0.])
>>> zeros((3,3))
array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.]])
numpy.ones(): 可以用来构造全一矩阵
[plain] view
plain copy
>>> ones((3,3))
array([[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.]])
numpy.eyes(): 可以用来构造单位矩阵
[plain] view
plain copy
>>> eye(3)
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
shape 用法 配合使用
shape函数是numpy.core.fromnumeric中的函数,它的功能是查看矩阵或者数组的维数。
举例说明:
建立一个3×3的单位矩阵e, e.shape为(3,3),表示3行3列,第一维的长度为3,第二维的长度也为3
[plain] view
plain copy
>>> e = eye(3)
>>> e
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> e.shape
(3, 3)
[plain] view
plain copy
>>> e = eye(3)
>>> e
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> e.shape
(3, 3)
建立一个一维矩阵b, b.shape 为矩阵的长度
[plain] view
plain copy
>>> b =array([1,2,3,4])
>>> b.shape
(4,)
#可以简写
>>> shape([1,2,3,4])
(4,)
>>>
[plain] view
plain copy
>>> b =array([1,2,3,4])
>>> b.shape
(4,)
#可以简写
>>> shape([1,2,3,4])
(4,)
>>>
建立一个4×2的矩阵c, c.shape[0] 为第一维的长度,c.shape[1] 为第二维的长度。
[plain] view
plain copy
>>> c = array([[1,1],[1,2],[1,3],[1,4]])
>>> c.shape
(4, 2)
>>> c.shape[0]
4
>>> c.shape[1]
2
[plain] view
plain copy
>>> c = array([[1,1],[1,2],[1,3],[1,4]])
>>> c.shape
(4, 2)
>>> c.shape[0]
4
>>> c.shape[1]
2
一个单独的数值,返回值为空
[plain] view
plain copy
>>> shape(3)
()
[plain] view
plain copy
>>> shape(3)
()
矩阵的乘法:
下面是使用array时:
np.dot(A, B):对于二维矩阵,计算真正意义上的矩阵乘积,同线性代数中矩阵乘法的定义。对于一维矩阵,计算两者的内积。
在Python中,实现对应元素相乘,有2种方式,一个是np.multiply(),另外一个是*。这两种的效果是一样的。
请看代码:
运行结果:
转载自:http://blog.csdn.net/xingchengmeng/article/details/64442935
http://blog.csdn.net/u010758410/article/details/71554224
http://www.cnblogs.com/baibaibaiyou/p/7892437.html
numpy.zeros():可以用来构造全零矩阵
[plain] view
plain copy
>>> zeros(3)
array([ 0., 0., 0.])
>>> zeros((3,3))
array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.]])
numpy.ones(): 可以用来构造全一矩阵
[plain] view
plain copy
>>> ones((3,3))
array([[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.]])
numpy.eyes(): 可以用来构造单位矩阵
[plain] view
plain copy
>>> eye(3)
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
shape 用法 配合使用
shape函数是numpy.core.fromnumeric中的函数,它的功能是查看矩阵或者数组的维数。
举例说明:
建立一个3×3的单位矩阵e, e.shape为(3,3),表示3行3列,第一维的长度为3,第二维的长度也为3
[plain] view
plain copy
>>> e = eye(3)
>>> e
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> e.shape
(3, 3)
[plain] view
plain copy
>>> e = eye(3)
>>> e
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> e.shape
(3, 3)
建立一个一维矩阵b, b.shape 为矩阵的长度
[plain] view
plain copy
>>> b =array([1,2,3,4])
>>> b.shape
(4,)
#可以简写
>>> shape([1,2,3,4])
(4,)
>>>
[plain] view
plain copy
>>> b =array([1,2,3,4])
>>> b.shape
(4,)
#可以简写
>>> shape([1,2,3,4])
(4,)
>>>
建立一个4×2的矩阵c, c.shape[0] 为第一维的长度,c.shape[1] 为第二维的长度。
[plain] view
plain copy
>>> c = array([[1,1],[1,2],[1,3],[1,4]])
>>> c.shape
(4, 2)
>>> c.shape[0]
4
>>> c.shape[1]
2
[plain] view
plain copy
>>> c = array([[1,1],[1,2],[1,3],[1,4]])
>>> c.shape
(4, 2)
>>> c.shape[0]
4
>>> c.shape[1]
2
一个单独的数值,返回值为空
[plain] view
plain copy
>>> shape(3)
()
[plain] view
plain copy
>>> shape(3)
()
矩阵的乘法:
Python 中的几种矩阵乘法 np.dot, np.multiply, *
使用array时,运算符 * 用于计算数量积(点乘),函数 dot() 用于计算矢量积(叉乘).
使用matrix时,运算符 * 用于计算矢量积,函数 multiply() 用于计算数量积.
下面是使用array时:
1. 同线性代数中矩阵乘法的定义: np.dot()
np.dot(A, B):对于二维矩阵,计算真正意义上的矩阵乘积,同线性代数中矩阵乘法的定义。对于一维矩阵,计算两者的内积。
2. 对应元素相乘 element-wise product: np.multiply(), 或 *
在Python中,实现对应元素相乘,有2种方式,一个是np.multiply(),另外一个是*。这两种的效果是一样的。请看代码:
1 #!/usr/bin/env python3 2 # -*- coding: utf-8 3 4 import numpy as np 5 6 X = np.array([[1,2],[3,4]]) 7 Y = np.array([[5,6],[7,8]]) 8 9 a1 = np.dot(X,Y) 10 print('np.dot(X,Y)=\n',a1) 11 12 a2 = np.multiply(X,Y) 13 print('np.multiply(X,Y)=\n',a2)
运行结果:
http://blog.csdn.net/u010758410/article/details/71554224
http://www.cnblogs.com/baibaibaiyou/p/7892437.html
相关文章推荐
- numpy数据相关函数总结
- Python矩阵运算库numpy常用函数
- numpy常用矩阵计算函数总结
- numpy中矩阵相乘的用法:dot函数和乘号*
- Matlab 矩阵相关函数
- OpenCv 关于矩阵的相关计算函数
- NumPy中的乘法运算符 * 指示按元素计算,矩阵乘法可以使用 dot 函数或创建矩阵对象实现
- glMatrixMode()函数的理解以及OPENGL相关视图以及矩阵的理解,特别适合新入门者。搞清基本的概念
- 【python学习笔记】18:numpy数组函数与矩阵运算
- OpenCv 关于矩阵的相关计算函数
- 矩阵运算相关函数
- NumPy常用【数值计算】函数总结(2):ufunc运算、矩阵运算
- numpy.random模块中提供啦大量的随机数相关的函数
- Python基础、函数及其相关函数库(Numpy、TensorFlow)常用函数集锦(更新中,更新日期:2017-08-03)
- numpy矩阵相关和线性代数linalg模块
- Numpy 常用矩阵计算函数
- numpy 相关函数
- MATLAB基本操作(六):矩阵操作的相关函数
- numpy的学习笔记(五)—— 矩阵和通用函数
- Tensor数据相关的运算、函数讲解及与numpy区别