numpy—np.eye、np.diag与np.tile
文章目录
- 1.np.eye
- 实例
- 2.np.diag
- 实例
- 3.np.tile
- 实例
1.np.eye
numpy.eye(N, M=None, k=0, dtype=<class 'float'>, order='C')
描述
返回一个二维数组,对角线上为1,其他地方为0
参数
N : int
输出的行数
M : int, optional
输出中的列数。如果为None,默认为N
k : int, optional
对角线索引:0(默认)表示主对角线,正值表示上对角线,负值表示下对角线。
d : type,data-type, optional
返回数组的数据类型
order : {‘C’, ‘F’}, optional
在内存中,输出应该按行主要(c风格)还是列主要(fortran风格)顺序存储
返回
I : ndarray of shape (N,M)
一个数组,其中所有元素均等于零(第k个对角线除外,其值等于1)
实例
np.eye(2, dtype=int)array([[1, 0],[0, 1]])np.eye(3, k=1)array([[0., 1., 0.],[0., 0., 1.],[0., 0., 0.]])
2.np.diag
numpy.diag(v, k=0)
描述
提取对角线或构造对角线数组
参数
v : array_like
如果v是二维数组,则返回其第k个对角线的副本。
如果v是一维数组,则返回一个二维数组,其中v在第k个对角线上
k : int, optional
对角线。默认值为0。使用k>0为主对角线以上的对角线,和k<0为主对角线以下的对角线
返回
提取的对角线数组或构造对角线数组
实例
x = np.arange(9).reshape((3,3))array([[0, 1, 2],[3, 4, 5],[6, 7, 8]])np.diag(x)array([0, 4, 8])np.diag(x, k=1)array([1, 5])np.diag(x, k=-1)array([3, 7])np.diag(np.diag(x))array([[0, 0, 0],[0, 4, 0],[0, 0, 8]])
3.np.tile
numpy.tile(A, reps)
描述
通过重复由reps给出的次数来构造一个数组
虽然可以使用tile进行广播,但强烈建议使用numpy的广播操作和函数
参数
A : array_like
输入数组
reps : array_like
A在每个轴上重复的次数
返回
数组
实例
a = np.array([0, 1, 2])np.tile(a, 2)
array([0, 1, 2, 0, 1, 2])np.tile(a, (2, 2))
array([[0, 1, 2, 0, 1, 2],[0, 1, 2, 0, 1, 2]])np.tile(a, (2, 1, 2))
array([[[0, 1, 2, 0, 1, 2]],[[0, 1, 2, 0, 1, 2]]])b = np.array([[1, 2], [3, 4]])
np.tile(b, 2)
array([[1, 2, 1, 2],[3, 4, 3, 4]])np.tile(b, (2, 1))
array([[1, 2],[3, 4],[1, 2],[3, 4]])
numpy—np.eye、np.diag与np.tile相关推荐
- numpy 辨异(二) —— np.identity()/np.eye()
import numpy as np; 两者在创建单位矩阵上,并无区别,两者的区别主要在接口上: np.identity(n, dtype=None):只能获取方阵,也即标准意义的单位阵: np.ey ...
- python | np.eye()函数
作用1:生成对角阵,主对角线上元素为1,其余位置均为0 import numpy as np a = np.eye(3) print(a) 结果: 如果要读取第二行,则写作:np.eye(3)[1] ...
- 【语义分割】评价指标代码函数:np.sum()、np.nansum()、np.nanmean()、np.diag()、np.bincount()
引言 本文针对: [语义分割]评价指标:PA.CPA.MPA.IoU.MIoU详细总结和代码实现(零基础从入门到精通系列!)中实现评价指标代码里相关函数进行补充说明,包括:np.sum().np.na ...
- np.eye()函数
np.eye()的函数,除了生成对角阵外,还可以将一个label数组,大小为(1,m)或者(m,1)的数组,转化成one-hot数组. 例如它可以将类别总数为6的labels=[1,2,3,0,1,1 ...
- python中np.eye()函数的使用
numpy.eye(N,M=None, k=0, dtype=<type 'float'>) 关注第一个第三个参数就行了 第一个参数:输出方阵(行数=列数)的规模,即行数或列数 第三个参数 ...
- numpy给数据新增一个维度np.newaxis及其使用场景
numpy给数据新增一个维度np.newaxis及其使用场景 a = [10,20,30,40,50] a = np.array(a)print(a.shape) a = a[:, np.newaxi ...
- np.eye()的函数能将一个label数组,大小为(1,m)或者(m,1)的数组,转化成one-hot数组
np.eye()的函数,这个函数的用法非常的简单,但是在预制的代码中,这个函数的用法并非单单制造一个对角矩阵,而是通过其来将一个label数组,大小为(1,m)或者(m,1)的数组,转化成one-ho ...
- python Numpy 中的矩阵向量乘法(np.multiply()、np.dot()、np.matmul() 和 星号(*)、@)
python Numpy 中的矩阵向量乘法 总结 1. 对于 np.array 对象 1.1 元素乘法 用 a*b 或 np.multiply(a,b) 1.2 矩阵乘法 用 np.dot(a,b) ...
- python中使用numpy包的向量矩阵相乘np.dot和np.matmul
一直对np的线性运算不太清晰,正好上课讲到了,做一个笔记整个理解一下 1.向量和矩阵 在numpy中,一重方括号表示的是向量vector,vector没有行列的概念.二重方括号表示矩阵matrix,有 ...
- [Python] 矩阵拼接 np.c_[a,b]和np.r_[a,b]
功能: 将矩阵横向或纵向拼接 np.c_[a,b] 将a, b看成单位,放置于不同的列.(左右合并) np.r_[a,b] 将a, b看成单位,放置于不同的行.(上下合并) 示例: import nu ...
最新文章
- 模板 - FHQ - treap 无旋平衡树
- python语言学了有用吗-转行学习Python开发有什么优势
- 【干货】原生js做的一维数组对象,二维数组对象的模糊查询(前端网备份)...
- linux vi 撤销重做于前进后退--转
- python中os.system.获取输出信息_python中os.system()的返回值
- Go语言入门指南,带你轻松学Go
- Laravel 除了首页能正常访问,其它页面均404
- spring学习(2):初始化spring程序
- 计算机考研没奖,备战考研本科期间没有什么奖项,考研复试会有影响吗?
- 阿里程序员深夜智救31楼跳楼邻居
- Linux通过GPIO状态实现按键上报(按键功能)
- php mysql 源码 安装教程_源码安装和配置apache(httpd)和 PHP 和 mysql全过程(一)...
- 快速创建简单的WCF跨平台服务
- JAVA动态绑定浅析
- 自己的域名邮箱用GMAIL:申请注册GMAIL的免费企业邮箱
- 三维实景建模技术在智慧交通领域的新发展与深入应用
- Jupyter处理大量数据导致内存溢出 网页崩溃的解决办法
- unity 别踩白块儿
- u盘格式化了怎样恢复还原
- 【微信小程序】各种页面特殊效果合集第二期