numpy 矩阵运算的陷阱

本文详细探讨了numpy在矩阵运算中常见的陷阱,包括数据结构混乱导致的行列向量混淆,数据处理效率低,数值运算句法不清晰,以及语法复杂度高等问题。这些问题在实际操作中可能导致错误和理解困扰,与MATLAB/OCTAVE等专门的领域语言相比,使用python的numpy进行矩阵运算时需要更多的技巧和注意。
摘要由CSDN通过智能技术生成

陷阱一:数据结构混乱

array 和 matrix 都可以用来表示多维矩阵

In [98]: a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])


In [99]: a
Out[99]:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])


In [100]: A = np.matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]])


In [101]: A
Out[101]:
matrix([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])


In [102]: a.shape
Out[102]: (3, 3)


In [103]: A.shape
Out[103]: (3, 3)

看起来效果不错。假设我们要对数据进行筛选,取第 1 列的第 1 行和第 3 行数据构成一个 2 x 1 的列向量。先看对 array 的做法

In [99]: a
Out[99]:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])


In [100]: y
Out[100]:
matrix([[1],
        [0],
        [1]])


In [101]: a[:, 0]
Out[101]: array([1, 4, 7])


In [102]: a[:, 0].shape
Out[102]: (3,)


In [110]: a[:, 0][y == 1]
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-110-f32ed63aa2a8> in <module>()
----> 1 a[:, 0][y == 1]


IndexError: too many indices for array


In [111]: a[:, 0].reshape(3, 1)[y == 1]
Out[111]: array([1, 7])

从 Out[101] 可以看到一个陷阱,a

  • 3
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值