numpy单位矩阵,numpy三个矩阵相乘
学习材料:
Numpy官方英语教材通过上一节的学习,我们可以了解到矩阵中一些元素的计算和搜索操作。但是在日常使用中,对应元素的索引也很重要。不过,让我们从一个脚本开始:
将numpy作为np导入
A=np.arange(2,14)。整形((3,4))
#数组([[ 2,3,4,5]
# [ 6, 7, 8, 9]
# [10,11,12,13]])
print(np.argmin(A)) # 0
print(np.argmax(A)) # 11
numpy的几个基本运算,其中argmin()和argmax()分别对应矩阵中最小元素和最大元素的索引。相应地,在矩阵的12个元素中,最小值为2,对应索引为0,最大值为13,对应索引为11。
如果需要计算统计中的平均值,可以用下面的方法求出整个矩阵的平均值:
print(np.mean(A)) # 7.5
Print(np.average(A)) # 7.5遵循上一节中dot()的用法规则,mean()函数的写法是另一种:
Print(A.mean()) # 7.5同样,我们可以写出求解中位数的函数:
Print(A.median()) # 7.5另外,类似于matlab中的cumsum()累加函数,Numpy也有cumsum()函数,其用法如下:
print(np.cumsum(A))
# [2 5 9 14 20 27 35 44 54 65 77 90]在cumsum()函数中:每一个生成的矩阵元素都是从原矩阵的第一项累加到对应项的元素之和。比如cumsum()生成的矩阵中序号为3的元素9,是原矩阵中2、3、4三个元素的和。
对应的累计差值运算函数:
打印(np.diff(A))
# [[1 1 1]
# [1 1 1]
# [1 1 1]]此函数计算每行中最后一项与前一项之间的差值。所以三行四列的矩阵就是三行三列的矩阵。
我们来介绍一下非零()函数:
print(np .非零(A))
# (array ([0,0,0,0,0,1,1,1,1,2,2],array ([0,1,2,3,0,1,2,3,0,1,2,3]))此函数接受所有非零元素
类似地,我们可以像对列表一样对所有元素进行排序,但是这里的排序函数仍然只对每行从小到大进行排序:
将numpy作为np导入
A=np.arange(14,2,-1)。整形((3,4))
# array([[14,13,12,11],
# [10, 9, 8, 7],
# [ 6, 5, 4, 3]])
打印(np.sort(A))
# array([[11,12,13,14]
# [ 7, 8, 9,10]
# [3,4,5,6]])矩阵转置有两种表示:
print(名词转置)
印刷
# array([[14,10,6]
# [13, 9, 5]
# [12, 8, 4]
# [11, 7, 3]])
# array([[14,10,6]
# [13, 9, 5]
# [12, 8, 4]
# [11,7,3]])特别是Numpy中有一个clip()函数。示例如下:
打印(一份)
# array([[14,13,12,11]
# [10, 9, 8, 7]
# [ 6, 5, 4, 3]])
print(np.clip(A,5,9))
#数组([[ 9,9,9,9]
# [ 9, 9, 8, 7]
# [6,5,5,5]])这个函数的格式是clip(Array,Array_min,Array_max)。顾名思义,Array指的是要执行的矩阵,而下面的最小值和最大值用于函数判断矩阵中的元素是否有小于最小值或大于最大值的元素,并将这些指定的元素转换成最小值或最大值。
实际上,每个数字中的大多数函数都有许多可以操作的变量。您可以指定行、列甚至某个范围内的元素。更多详情请记得咨询Numpy官方英语教材。
转载请联系作者取得转载授权,否则将追究法律责任。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。