import numpy as np
a = np.full((3,4),8)
a
print(a.ndim)print(a.shape)
a[1,1]
b = np.ravel(a)
b
输出:
array([[8,8,8,8],[8,8,8,8],[8,8,8,8]])2(3,4)8
array([8,8,8,8,8,8,8,8,8,8,8,8])
X = np.insert(X, 0, values=np.ones(rows), axis=1) 在二维数组X的0列之前插入一列,值全为1。 二维数组有行维度和列维度两个维度,axis=0表示沿着行维度操作,axis=1表示沿着列维度操作。
np.argmax(h, axis=1)返回二维数组h的每行中最大元素的索引。
若X是二维数组,X[0]表示提取X的第一行,X[1]表示提取X的第二行。
数组np.array/矩阵np.matrix乘法相关
import numpy as np
# 点乘内积和外积
a = np.array([1,2,3])
b = np.array([4,5,6])
result1 = np.dot(a, b)
result2 = np.outer(a, b)print(result1)print(result2)
输出:
32[[456][81012][121518]]# np.matmul(a, b)和a @ b
c = np.array([[1,2,3],[4,5,6]])
d = np.array([[1,2],[3,4],[5,6]])print(c @ d)print(np.matmul(c, d))
输出:
[[2228][4964]][[2228][4964]]# 元素对位相乘示例
a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])print(a * b)
输出:
[[512][2132]]# 矩阵乘法示例
a = np.matrix([[1,2],[3,4]])
b = np.matrix([[5,6],[7,8]])print(a * b)
输出:
[[1922][4350]]