Python常用库Numpy进行矩阵运算详解
108 浏览量
2020-09-16
11:51:46
上传
评论 1
收藏 86KB PDF 举报
Python常用库常用库Numpy进行矩阵运算详解进行矩阵运算详解
主要介绍了Python常用库Numpy进行矩阵运算详解，文中通过示例代码介绍的非常详细，对大家的学习或者工
作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Numpy支持大量的维度数组和矩阵运算，对数组运算提供了大量的数学函数库！
Numpy比Python列表更具优势，其中一个优势便是速度。在对大型数组执行操作时，Numpy的速度比Python列表的速度快了
好几百。因为Numpy数组本身能节省内存，并且Numpy在执行算术、统计和线性代数运算时采用了优化算法。
Numpy的另一个强大功能是具有可以表示向量和矩阵的多维数组数据结构。Numpy对矩阵运算进行了优化，使我们能够高效
地执行线性代数运算，使其非常适合解决机器学习问题。
与Python列表相比，Numpy具有的另一个强大优势是具有大量优化的内置数学函数。这些函数使你能够非常快速地进行各种
复杂的数学计算，并且用到很少代码（无需使用复杂的循环），使程序更容易读懂和理解。
注：在ndarray结构中，里面元素必须是同一类型的，如果不是，会自动的向下进行。
Numpy简单创建数组简单创建数组
a = [1, 2, 3]
b = np.array(a)
c = np.array([[0, 1, 2, 10],
[12, 13, 100, 101],
[102, 110, 112, 113]], int)
print(c)
print(b)
创建数值为创建数值为1的数组的数组
Numpy.ones(参数 1：shape，数组的形状；参数 2：dtype， 数值类型)
array_one = np.ones([10, 10], dtype=np.int)
print(array_one)
创建数值为创建数值为0的数组的数组
Numpy.zeros(参数 1：shape，数组的形状；参数 2：dtype， 数值类型)
array_zero = np.zeros([10, 9], dtype=np.float)
print(array_zero)
创建指定数值的数组创建指定数值的数组
Numpy.full(参数 1：shape，数组的形状； 参数 2：constant value，数组填充的常数值；参数 3：dtype， 数值类型)
array_full = np.full((2, 3), 5)
print(array_full)
创建单位矩阵创建单位矩阵
Numpy.eye(参数 1：N，方阵的维度)
array_eye = np.eye(5)
print(array_eye)
创建对角矩阵创建对角矩阵
Numpy.diag(参数1：v，主对角线数值，参数 2：k，对角线元素)：K = 0表示主对角线，k>0的值选择在主对角线之上的对角
线中的元素，k<0的值选择在主对角线之下的对角线中的元素
array_diag = np.diag([10, 20, 30, 40])
print(array_diag)
Numpy查看数组属性查看数组属性
数组元素个数：b.size 或 np.size()
数组形状：b.shape 或 np.shape()
数组维度：b.ndim
数组元素类型：b.dtype
评论0
最新资源