Numpy生成0矩阵、1矩阵、单位矩阵以及创建等差数组和等比数列
文章目录
- 一、0矩阵
- 二、1矩阵
- 三、单位矩阵
- 四、深拷贝和浅拷贝
- 五、创建等差数组 — 指定数量
- 六、创建等差数组 — 指定步长
- 七、创建等比数列
一、0矩阵
- np.ones(shape, dtype)
- np.ones_like(a, dtype)
import numpy as np
ones = np.ones([4,8])
ones
返回结果
array([[1., 1., 1., 1., 1., 1., 1., 1.],[1., 1., 1., 1., 1., 1., 1., 1.],[1., 1., 1., 1., 1., 1., 1., 1.],[1., 1., 1., 1., 1., 1., 1., 1.]])
二、1矩阵
- np.zeros(shape, dtype)
- np.zeros_like(a, dtype)
import numpy as np
np.zeros_like(ones)
返回结果:
array([[0., 0., 0., 0., 0., 0., 0., 0.],[0., 0., 0., 0., 0., 0., 0., 0.],[0., 0., 0., 0., 0., 0., 0., 0.],[0., 0., 0., 0., 0., 0., 0., 0.]])
三、单位矩阵
- np.eye(N, M, k, dtype, order)
import numpy as np
np.eye(3)
返回结果:
array([[1., 0., 0.],[0., 1., 0.],[0., 0., 1.]])
四、深拷贝和浅拷贝
- np.array(object, dtype)
- np.asarray(a, dtype)
a = np.array([[1,2,3],[4,5,6]])
# 从现有的数组当中创建;相当于深拷贝
a1 = np.array(a)
# 相当于索引的形式,并没有真正的创建一个新的;相当于浅拷贝
a2 = np.asarray(a)
五、创建等差数组 — 指定数量
- np.linspace (start, stop, num, endpoint)
创建等差数组 — 指定数量
参数:
start:序列的起始值
stop:序列的终止值
num:要生成的等间隔样例数量,默认为50
endpoint:序列中是否包含stop值,默认为ture
# 生成等间隔的数组
np.linspace(0, 100, 11)
返回结果:
array([ 0., 10., 20., 30., 40., 50., 60., 70., 80., 90., 100.])
六、创建等差数组 — 指定步长
- np.arange(start,stop, step, dtype)
创建等差数组 — 指定步长
参数
step:步长,默认值为1
np.arange(10, 50, 2)
返回结果:
array([10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42,44, 46, 48])
七、创建等比数列
- np.logspace(start,stop, num)
创建等比数列
参数:
num:要生成的等比数列数量,默认为50
# 生成10^x
np.logspace(0, 2, 3)
返回结果:
array([ 1., 10., 100.])
举例:
#首先使用np.linspace(-1,3,5) 生成一个数组 [-1,0,1,2,3] 然后对这个数组中的数取以10为底的指数值
np.logspace(-1,3,5)
array([1.e-01, 1.e+00, 1.e+01, 1.e+02, 1.e+03])# 指定数组中的数取以2为底的指数值
np.logspace(-1,3,5,base=2)
array([0.5, 1. , 2. , 4. , 8. ])
Numpy生成0矩阵、1矩阵、单位矩阵以及创建等差数组和等比数列相关推荐
- Numpy 生成 Bool型数组、一维转多维数组reshape、多维转一维数组、替换数组元素、提取数组元素、数组交集、差集、过滤数组元素、二维数组反转行、交换数组维度
1. 创建一个 [3,5] 所有元素为 True 的数组 In [162]: b = np.ones((3,5), dtype=bool)In [163]: b Out[163]: array([[ ...
- python如何创建不同元素的矩阵_Python numpy学习(2)——矩阵的用法
Python矩阵的基本用法 mat()函数将目标数据的类型转化成矩阵(matrix) 1,mat()函数和array()函数的区别 Numpy函数库中存在两种不同的数据类型(矩阵matrix和数组ar ...
- Python 数据分析三剑客之 NumPy(六):矩阵 / 线性代数库与 IO 操作
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
- 机器学习中的Numpy库基础——向量、矩阵和数组
1.Numpy简介 Numpy是Python机器学习技术栈的基础. Numpy可以对机器学习中常用的数据结构--向量(vector).矩阵(matrice).张量(tensor)--进行高效的操作. ...
- 【Python】Numpy中对向量、矩阵的使用
在下面的代码里面,我们利用numpy和scipy做了很多工作,每一行都有注释,讲解了对应的向量/矩阵操作. 归纳一下,下面的代码主要做了这些事: 创建一个向量 创建一个矩阵 创建一个稀疏矩阵 选择元素 ...
- 怎么在python中输入矩阵_如何使用NumPy在Python中实现矩阵?
矩阵被用作数学工具,在现实世界中有多种用途.在本文中,我们将按照以下顺序讨论Python中关于使用著名的NumPy库的矩阵的所有内容:什么是NumPy以及何时使用它?在NumPy 矩阵被用作数学工具, ...
- 【MATLAB】稀疏矩阵(含有大量0元素的矩阵)
1.稀疏矩阵的储存方式 对于稀疏矩阵,MATLAB仅储存矩阵所有非零元素的值及其位置(行号和列号). 2.稀疏矩阵的生成 1)利用sparse函数从满矩阵转换得到稀疏矩阵 函数名称 表示意义 spar ...
- 一个使用numpy.ones()的矩阵| 使用Python的线性代数
Ones Matrix - When all the entries of a matrix are one, then it is called as ones matrix. It may be ...
- 用matlab做矩阵变换(理解+实践);假设随机发给某班所有同学任意数字,生成10*5的矩阵
问题 (1)班主任来查课,并带走 最后俩排同学谈话,显示剩余同学的矩阵A1. (2)在A中,使第i行的同学拿到的数字i显示该新矩阵A2. (3)在A中找到其中任意三行三列的同学,使他们的数字平方,显示 ...
最新文章
- MySQL数据库如何解决大数据量存储问题
- mongdb开始标记
- OpenYurt 入门 - 在树莓派上玩转 OpenYurt
- .NET Core 3中的性能提升(译文)
- openssl创建CA并签发证书
- a href=javascript:void(0)
- 2019 杭电多校第六场 题解
- LeetCode 147. Insertion Sort List
- excel下拉列表值的设定方式
- 自己使用的文本编辑器全部采用Tahoma字体
- OGRE加载天龙八部场景
- 微信小程序 之wx.previewImage图片预览(多张图片预览)
- 探索C++0x: 1. 静态断言(static_assert)
- 从零开始的openGL--cs游戏(14) 延迟渲染G缓冲。
- Windows Phone 7 EKB系列文章发布
- 计算机网络超时重传时间,TCP超时重传机制
- 基于数据结构和C语言实现公交管理系统(含文档和代码)数据结构课程设计
- android 仿苹果 小组件,安卓仿ios14桌面小部件
- hihoCoder184——满减优惠
- 直击|为防虚假信息 百合佳缘引入第三方征信查询合作
热门文章
- 点击按钮弹出单选列表对话框和加载Webview
- ps制作视:_制作自己的PS4游戏:“梦想”入门
- Bootstrap 图片及缩略图
- 40岁后学习编程是否太晚了?7点技巧让学习变得轻松有趣
- PHP实现站内信设计思路与方案
- 裁剪左上角x左上角y填什么_在“context.moveTo(x,y);”中,x、y 是相对于【 】的左上角。...
- CSU_1505_酷酷的单词
- C语言遥控器程序,单片机学习型遥控器程序详解(完整版)
- 解决破解版matlab2018a打开示例或者帮助需要登录账号或者需要输入激活码问题
- jpress连接不上mysql_JPress安装部署超详细文档