首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

从机器学习学python(四)——numpy矩阵基础

从机器学习学python(四)

——numpy矩阵基础

(原创内容,转载请注明来源,谢谢)

一、numpy中matrix和array的区别

Numpymatrices必须是2维的,但是numpy arrays (ndarrays)可以是多维的(1D,2D,3D····ND). Matrix是Array的一个小的分支,包含于Array。所以matrix拥有array的所有特性。

在numpy中matrix的主要优势是:相对简单的乘法运算符号。例如,a和b是两个matrices,那么a*b,就是矩阵积。

即用matrix计算时,加减乘除都是矩阵运算,而不是简单的运算。

二、矩阵和数组的转换

数组转矩阵:A=mat(s[]);矩阵转换数组:s[]=A.getA()

举例:

s=[[4,2],[3,2],[3,1]]

A =mat(s)

A

matrix([[4, 2],

[3, 2],

[3, 1]])

ss = A.getA()

ss

array([[4, 2],

[3, 2],

[3, 1]])

三、转置和轴对换

转置有三种方式,transpose方法、T属性以及swapaxes方法。

1、T属性

主要是针对二维数组,二维数组的T属性即转置。例如b=a.T表示矩阵b是矩阵a的转置。

2、transpose()

对于高维数组,转置需要确定转置方式。首先,矩阵的每个维度有个编号,从开始编号,例如三维矩阵,则三个维度的编号分别是、1、2。

a.transpose(0,1,2)即为a,表示a没有转置。a.transpose()则等价于a.transpose(2,1,1),表示完全的转置。而例如a.transpose(0,2,1)表示第三维和第二维进行的转换。

3、swapaxes()

这个方法和transpose方法类似,区别在于这个方法只接收两个参数,表示指定的两个维度的转换。例如a.swapaxes(1,2)等价于a.transpose(0,2,1)。注意到这里维度也是从开始当作第一维的。

——written by linhxx 2018.01.17

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180117B0AUZ400?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券