Python常用库Numpy进行矩阵运算详解_numpy矩阵乘法 - CSDN文库

Numpy矩阵运算

173 浏览量更新于2023-03-03 评论 1 收藏 86KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

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

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

评论0

weixin_38640443

粉丝: 10
资源: 887

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈