numpy 特征向量,python numpy 矩阵

  numpy 特征向量,python numpy 矩阵

  我先声明我学习numpy的目的:在python中使用matrix(机器学习中需要用到matrix),所以我的目的很明确,matrix;

  矩阵在numpy中称为ndarray(N维数组)。我就喜欢问为什么这个ndarray叫ndarray,但是大部分教程(尤其是中文教程)都不提,不利于给ndarray一个形象的记忆。

  Ndarray是一个多维数组,调用它是为了与python中的数组区分开来。

  之后我们再把目的细分到这个库对应的函数(下面代码省略import numpy as np):

  1.生成向量:linspace(线性空间)用于生成向量。

  A=NP。Linspace (1,10,5,endpoint=True)/*参数声明第一个1是起始数,10是结束数,5是生成的向量(数组)的长度,最后一个是生成的数组是否包含结束数的选择,默认为真(即包含10) */

  b=np.arange(n)

  //生成一个从0到n-1的数组

  concatenate( a,b)

  //Connect两个数组concatenate是一个单词,意思是一个共同的矩阵链接在一起。

  a=np.array(list/tuple,dtype=np.float32)

  //数组函数是最直接的,第一个参数是矩阵内容,比如a=np.array([ [1,2],[3,4]] )//矩阵内容是逗号分隔的行列表。顺便说一下,[]可以换成()。//打印一份打印件(a)/[

  //形状都是祖先。说白了就是写成((行数,列数))。NP。ONES(形状)NP。ZEROS(shape)//元素全为1或全为0的矩阵。

  Np.full(shape,val)//生成一个矩阵,其中每个元素都是val。满有所有的意思,所以都是val。

  Np.eye(n)//生成对角线为1,其余为0的方阵(n维单位矩阵)eye。网上说和数学中的单位矩阵的字母I读音一样。像氏族一样

  A=np.ones_like(b)//生成一个与B形状相同的全1的矩阵,B=NP。zeros _ like(a)//猜猜这个。修改矩阵。reshape(tuple)//改变原矩阵的形状,但使生成的矩阵与原元素相同。//a=np.arrange (30)。reshape ((2,3,5))是这样用的。

  //这里有个说明,如果参数的元组元素里面有-1,说明它的大小可以从其他祖先元素推导出来,不需要程序员给。

  //比如一个长度为100的向量A,如果要改成20*5。

  整形((20,-1))。resize( tuple )//这个和reshape一样,但是会改变原数组,也就是当reshape用完的时候,原数组还是原来的公式,但是用了resize之后,某个老姬变成了某个宝~。swapaxes( ax1,ax2)//研究过线代的人都觉得这个很熟悉吧?没错,这就是转置,转置。

  2.矩阵信息查询//下面的函数都是ndaray对象的成员,也就是说声明了一个矩阵A。如果要用的话,就得得到一个. value()a.ndim//也就是矩阵的维数。一般是2。a.shape//n,的M行中的a.size//矩阵有几个元素,它们等价于矩阵中的元素类型。

  3.矩阵运算numpy有个奇怪的运算叫元素运算,就是A*B代表矩阵A和矩阵B的每个元素相乘,那么我的运算在哪里呢?

  矩阵和矩阵运算

  Np.dot( A,B) //矩阵乘法A**-1//矩阵的逆

  转载于:https://www.cnblogs.com/foxblogs/p/7569244.html

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。

留言与评论(共有 条评论)
   
验证码: