numpy 对矩阵,数组的操作
1.对矩阵每个元素求绝对值
np.abs(W)
2.对矩阵转置,假设我们矩阵A是四维的3*4*32*64,经过以下转置
A=A.transpose(3,2,0,1)
然后A就变成64*32*3*4的矩阵了
3.矩阵求和,求平方
temp=np.sum(A,(a,b...))
将矩阵中每个元素变为其平方数 temp**2
以下给个例子
可以看出np.sum()的第二个参数是指对矩阵的哪几个维度进行求和
4.对数组进行排序,并返回数组的索引
index_del=np.argsort(temp)
5,以下介绍一组矩阵操作
(1)返回矩阵a中小于某一个阈值的的bool矩阵
(2)将矩阵a小于某一阈值的数全部赋值为0
(3)返回矩阵a中元素不等于0的values
(4)返回矩阵中元素不为0的索引列表
示例如下:
(5)若想把不为0的元素全部赋值为1,可用以下语句
6.一维数组转置
首先明白一维数组是无法转置的,或者说一维数组转置后还是一维数组
所以要先把一维数组转变为二维数组。
你可能想以下面这种方式把一位数组a转为二维数组
b=[a]
实际上这是不可行的,因为,这样生成的b是一个list,里面存放的元素是原来的一维数组a
因此需要以下面这种方式进行:
7.给矩阵添加一行或者一列
(1)
该方法只能将两个矩阵合并
注意要合并的两矩阵的行列关系
import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[0,0,0]])
c = np.r_[a,b]
d = np.c_[a,b.T]
print c
print d
[[1 2 3]
[4 5 6]
[7 8 9]
[0 0 0]]
[[1 2 3 0]
[4 5 6 0]
[7 8 9 0]]
(2)
这种是将一个集合插入到一个矩阵中,对于b可以是列表或元组,它仅仅提供要插入的值,但个数要对
np.insert的第二个参数是插入的位置,axis用来控制是插入行还是列,可见该方法非常灵活!
import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[0,0,0]])
c = np.insert(a, 0, values=b, axis=0)
d = np.insert(a, 0, values=b, axis=1)
print c
print d
[[0 0 0]
[1 2 3]
[4 5 6]
[7 8 9]]
[[0 1 2 3]
[0 4 5 6]
[0 7 8 9]]
(3)
import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[0,0,0]])
c = np.row_stack((a,b))
d = np.column_stack((a,b.T))
- 与方法一效果完全相同
8.将矩阵a展成一维
a.flatten()
9.numpy切片操作
假如a是一个(3,3,8)维度的一个矩阵,我想获取第三维度的某一个值,可以这样解决
temp=a[:,:,0]
举例,我想每次获取a的第三维度一个切片,然后再将这个切片插入到b(初始大小为3*3*0),可以按照以下方式进行
10.numpy数据类型转换
arr2.astype(np.int32)
11.numpy矩阵求平均值,求和
np.mean(),np.sum()
12numpy矩阵相应元素相乘
np.multiply(A,B)
矩阵相乘 np.dot(A,B)
矩阵求逆 np.linalg.inv
numpy 对矩阵,数组的操作相关推荐
- numpy基础——对数组切片操作
创建 首先创建一个多维数组: a = numpy.arange(24).reshape((2,3,4)) print(a) 结果是: [[[ 0 1 2 3] [ 4 5 6 7] ...
- Numpy中的数组变形操作01——reshape() 重塑, flatten()/reval() 扁平化
reshape() 重塑, flatten()/reval() 扁平化 reshape()-->完成从低维到高维的转换 flatten()-->完成从高维到低维的转换 同时可以用ravel ...
- Python3:numpy的简单使用4(矩阵间的操作,合并数组,分割数组,读取文件操作)
声明 当前的知识用于本人复习使用,当前的内容涉及到,numpy中矩阵间的操作,数组间的合并以及分割,还有使用numpy读取txt格式的文件并执行数据操作 1.数组间的合并与分割操作 # 合并以及分割 ...
- numpy二维数组改变某些数_机器学习:Python常用库——Numpy库
从前面的学习中我们知道,机器学习是以大量数据为基础的. 由此就引出一个问题:那么多的数据我们要如何处理呢? 别担心,嘻嘻,Python开发人员早有准备. 为了拓宽数据科学方面的应用,Numpy库应运而 ...
- normalize函数_【ADAMS】矩阵/数组函数
导读:面向应用工程师的商业软件咨询.自研软件定制开发服务的仿真公众号,点击关注进入菜单,查看更多精彩内容. 矩阵/数组函数可很方便地完成针对矩阵/数组的操作. (1)矩阵/数组的基本操作函数 ALIG ...
- Numpy原地与非原地操作
+=:原地操作 给数组分配了一块儿地,对它进行操作,就是在已有的地上进行翻新播种,任何改变都在原地进行 +:非原地操作 给数组重新开辟了一块儿地,对它进行操作,不会影响原来的值 import nump ...
- python numpy常用操作、Numpy 多维数组、矩阵相乘、矩阵乘以向量
python numpy常用操作 Numpy基本操作 # 导入numpy import numpy as np # 生成numpy数组 x = np.array([1.0, 2.0, 3.0]) pr ...
- 数组取值_Python基础(五)--numpy包(数组与矩阵)
numpy包含两种基本的数据类型:数组和矩阵.1. 数组 (1)定义一个数组 输出: (2)定义多维数组 输出: #取出第一行的数据 #取出第一行,第一列的数据 2. 矩阵 python的矩阵操作与m ...
- numpy中矩阵的转置_NumPy矩阵transpose()-Python中数组的转置
numpy中矩阵的转置 The transpose of a matrix is obtained by moving the rows data to the column and columns ...
- python数值运算实例_Python矩阵常见运算操作实例总结
本文实例讲述了Python矩阵常见运算操作.分享给大家供大家参考,具体如下: python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包. 一.numpy的导入 ...
最新文章
- 9个不为人知的Python技巧
- win10浏览器_[系统] win10浏览器上网问题
- 压测瓶颈在mysql_MySQL的性能基线收集及压力测试
- 广州市南沙区人民检察院容灾备份平台采购项目
- 【iOS】Touch Drag Inside 和 Touch Drag Outside、Touch Drag Enter、Touch Drag Exit的区别
- 易语言程序转c语言,C语言转易语言代码工具下载
- 数据清洗以及常用的方法
- C#网络编程(五)----基于TCP的简易多客户端聊天
- .webp是什么文件?怎么打开这种文件
- 叶酸修饰四氧化三铁纳米颗粒(FA-Fe3O4)|Cys-Fe3O4/CuS@BSA|巯基修饰的四氧化三铁磁性纳米颗粒齐岳供应
- 区块链和去中心化的弱点
- 08-02-loggin-模块
- 汇编指令: JO、JNO、JB、JNB、JE、JNE、JBE、JA、JS、
- MySQL必知必会6
- CoreOS Linux available in China
- 实现软件GPS的软硬件设计讨论
- STM32学习笔记(13)——模数转换ADC
- Win10休眠模式设置:开机后自动恢复工作界面,防止程序员虐待电脑
- 当前日期加一个月,一年,减一个月,一年
- 写日记/写博客的好处