numpy 矩阵运算的陷阱

最新推荐文章于 2024-08-23 17:06:02 发布

kamidox

最新推荐文章于 2024-08-23 17:06:02 发布

阅读量1.7w

点赞数 3

分类专栏： machine-learning 文章标签： numpy machine-learning

本文链接：https://blog.csdn.net/kamidox/article/details/48845063

版权

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])