本文共 869 字,大约阅读时间需要 2 分钟。
numpy库为python提供了很多方便的数学计算方法,尤其是提供了数组,极大方便了使用python进行矩阵运算,使其在机器学习和深度学习中得到有效利用,本文详细介绍一下高维矩阵问题。
平时我们使用最多的就是一,二维和三维矩阵,以前我容易将其跟立体几何联系起来。后来发现这样是非常错误的,因为再高一点的维度就不能想象了。所以,按照矩阵的形式,从外向内,逐层分解才能掌握好矩阵。
将以下代码敲一遍就会豁然开朗:
import numpy as npa=np.arange(10)print(a)print(a[0:9]) # 包头不包尾print(a[3:6])print(a[:5]) # :前面不写就是从下标为0开始print(a[5:]) # :后面不写就是一直到最后一个元素print(a[:]) # :前后都不写就是从头到尾print('---------------')'''多维矩阵按括号的层级,从外向内,一次是第1,2,3,...维b[]内用逗号将各维分开,分别代表第1,2,3...维元素每个维度上都有自己的下标,也可以用':'取部分'''b= np.mat(np.arange(20).reshape(4,5))print(b)print(b[1:3,2:5]) # 先取第一维中下标为1,2的2部分,再取第二维中下标为2,3,4的3部分print(b[:2,2:]) # 同理,前面不写从头开始,后面不写一直到末尾print(b[:2,3]) # 当然,也可以在某维度上只取一行print('-----------------')c= np.arange(60).reshape(3,4,5)print(c)print(c[:2,2:4,1:4]) # 从外向内一层一层的,不改变矩阵维度print('-------------------')d= np.arange(240).reshape(3,4,5,4)print(d)print(d[:2,1:3,2:5,1:3])
转载地址:http://nkhcx.baihongyu.com/