2023-7-20 myluzh
Python
0x01 矩阵与向量
（1）矩阵
矩阵（matrix）和array的区别矩阵必须是2维的，但是array可以是多维的。
如下图，这个是 3x2 矩阵，即3行2列。如m为行，n 为列，那么 mxn 即 3x2。
矩阵的维数即行数x列数，矩阵元素(矩阵项):
Aij 指第 i 行，第j列的元素.
（2）向量
向量是一种特殊的矩阵，讲义中的向量一般都是列向量，下图展示的就是三维列向量(3x1)。
0x02 加法和标量乘法
（1）矩阵的加法:
行列数相等的可以加。例:
（2）矩阵的乘法:
每个元素都要乘。例:
组合算法也类似
0x03 矩阵向量乘法
矩阵和向量的乘法如图: mxn 的矩阵乘以 nx1 的向量，得到的是 mx1 的向量。
例如：
1*1+3*5 = 16
4*1+0*5 = 4
2*1+1*5 = 7
矩阵乘法遵循准则:
(M行, N列)*(N行,L列) = (M行,L列)
0x04 矩阵乘法
（1）介绍
mxn 矩阵乘以 nxo 矩阵，变成 mxo 矩阵
确保第一个矩阵的列数等于第二个矩阵的行数，否则无法相乘。
举例:比如说现在有两个矩阵 A 和 B，那 么它们的乘积就可以表示为图中所示的形式。...
阅读全文>>
标签: python numpy 矩阵 向量 np.matmul np.dot
评论(0)
(532)
2023-7-20 myluzh
Python
0x01 数组与数运算
import numpy as np
arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
"""
arr + 1
array([[2, 3, 4, 3, 2, 5],
[6, 7, 2, 3, 4, 2]])
arr / 2
array([[0.5, 1. , 1.5, 1. , 0.5, 2. ],
[2.5, 3. , 0.5, 1. , 1.5, 0.5]])
"""
# 可以对比python列表的运算，看出区别
a = [1, 2, 3, 4, 5]
"""
a*3
Out[3]: [1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5]
"""
0x02 数组与数组运算
数组在进行矢量化运算时，要求数组的形状是相等的。当形状不相等的数组执行算术运算的时候，就会出现广播机制，该机制会对数组进行扩展，使数组的shape属性值一样，这样，就可以进行矢量化运算了。下面通过一个例子进行说明：
import numpy as np
...
阅读全文>>
标签: python numpy
评论(0)
(465)
2023-7-14 myluzh
Python
0x01 数组索引与切片用法
import numpy as np
# (2)二维数组
# 首先生成一个二维数组
arr2 = np.random.uniform(-1, 2, size=(5, 5))
"""
# 查看下arr2
arr2 Out[3]:
array([[ 1.05865188, 1.18597622, -0.81279676, 1.79444952, 0.71910054],
[-0.62385763, -0.61713265, 0.94918552, -0.24394799, 1.81343914],
[-0.71354709, -0.93964984, 0.96237785, 1.23973639, 0.11628672],
[ 0.02623292, 1.68481857, -0.79207649, 0.79625302, -0.32104851],
[ 0.75240426, 0.15582726, -0.87529045, -0.28858853, 0.01173709]])
# 只要...
阅读全文>>
标签: python numpy 数组
评论(0)
(444)
2023-7-14 myluzh
Python
0x01 什么是正态分布
正态分布是一种概率分布。正态分布是具有两个参数u和o的连续型随机变量的分布，第一参数u是服从正态分布的随机变量的均值，第二个参数o是此随机变量的方差，所以正态分布记作N（μ，σ）。
0x02 生成正态分布的随机数组
import numpy as np
import matplotlib.pyplot as plt
# 生成均值为1.75，标准差为1的正态分布数据，100000000个
x1 = np.random.normal(1.75, 1, 10000000)
# 绘图
plt.figure(figsize=(18, 8), dpi=100) # 创建画布
plt.hist(x1, 1000) # 绘制直方图
plt.show() # 显示图像
0x03 生成均匀分布的随机数组
import numpy as np
import matplotlib.pyplot as plt
# 生成均匀分布的随机数，最低-1最高1，100000000个
x2 = np.random.uniform(-1, 1, 100000000)
p...
阅读全文>>
标签: python numpy 随机数组 正态分布 均匀分布
评论(0)
(743)
2023-7-14 myluzh
Python
0x01 生成01数组
import numpy as np
# 生成4行6列0数组
ones = np.ones([4, 6])
"""
查看下zeros Out[3]:
array([[0., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0., 0.]])
"""
# 生成3行7列1数组
zeros = np.zeros([3, 7])
"""
查看下ones Out[4]:
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.]])
"""
0x02 从现有数组生成（浅拷贝np.asarray与深拷贝np.arrary的区别）
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
a1 = np.array(a) ...
阅读全文>>
标签: python numpy 01数组 固定数组
评论(0)
(338)
2023-7-13 myluzh
Python
0x01 ndarray属性
属性名字
属性解释
ndarray.shape
数组维度的元组
ndarray.ndim
数组维数
ndarray.size
数组中的元素数量
ndarray.itemsize
个数组元素的长度 (字节)
ndarray.dtype
数组元素的类型
0x02 ndarray形状
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = np.array([1,2,3,4])
c = np.array([[[1,2,3], [4,5,6]],[[1,2,3],...
阅读全文>>
标签: python numpy ndarray
评论(0)
(317)