numpy回忆

最新推荐文章于 2024-08-14 17:18:35 发布

七月是你的谎言..

最新推荐文章于 2024-08-14 17:18:35 发布

阅读量90

点赞数 1

分类专栏： Python基础文章标签： numpy python 机器学习

本文链接：https://blog.csdn.net/ambitiousssssss/article/details/130561555

版权

Python基础专栏收录该内容

6 篇文章 0 订阅

订阅专栏

文章通过示例展示了numpy库在处理矩阵时的操作，包括选取子区域(get_roi函数)，点乘中的padding现象，矩阵乘法，向量加减法，元素除法，以及向量的标量运算和转置。特别提到了点乘时numpy会自动填充0以适应不同尺寸的矩阵。

摘要由CSDN通过智能技术生成

numpy对矩阵操作后，输出的形状与想象的不一样。记个笔记代码

点乘的padding操作容易出错

# # 开发时间： 4:24

import numpy as np

Data = np.array([[1, 2, 255, 255, 0], [255, 255, 0, 0, 3]])  # 2*5


# print(Data)


def get_roi(data, x, y, w, h):
    for i in range(len(data)):  # range不能丢
        for j in range(len(data[0])):
            print(data[i, j])

    tmp = data[x:w + 1, y:y + h + 1]  # array[x:x+w,y:y+h]索引范围为[x:x+w-1,y:y+h-1]

    return tmp


print(get_roi(Data, 0, 1, 1, 1))  # [0:2,1:3] ->[0,1,1,2]

A = np.array([[1], [2]])  # 2*1
B = np.array([[1, 2, 4], [1, 4, 5]])  # 2*3
C = np.array([2, 2])
D = np.array([[2], [3]])

print(A.shape)
print(B.shape)
print(C.shape)

# 点乘，自动进行padding操作；对应元素相乘
print(A * B)
print(np.multiply(A, B))

# 叉乘,矩阵乘法
B = np.array(B.reshape(1, np.size(B)))  # 1*6
print(np.dot(A, B))  # shape:2*6

# 向量加减法
print(A + D)
print(A - D)

# 元素除法
print(A / D)

# 向量标量运算
print(A + 3)
print(A * 2)
print(np.array([A] * 2))  # 复制操作

# 转置
print(A.shape)
X = A.T
print(X)
print(X.shape)