Numpy, 张量,相关函数使用(逐步更新)
张量
张量是矩阵向任意维度的推广(张量的维度通常叫轴)
仅含一个数字的张量叫标量(0D张量)
查看Numpy张量轴
# 0D
x = np.array(12)
print(x)
print(x.ndim)
# 1D
x = np.array([12, 3, 6, 14, 7])
print(x)
print(x.ndim)
# 2D
x = np.array([[1, 2, 3, 4, 5],
[4, 5, 6, 7, 8]])
print(x)
print(x.ndim)
# 3D
x = np.array([[[1, 2, 3],
[4, 5, 6],
[7, 8, 9]],
[[1, 2, 3],
[4, 5, 6],
[7, 8, 9]],
[[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]])
print(x)
print(x.ndim)
张量形状与数据类型
形状是一个整数元组
例如:
# 2D
x = np.array([[1, 2, 3, 4, 5],
[4, 5, 6, 7, 8]])
print(x)
print(x.shape)
输出是(2, 5)
数据类型可以是float32, unit8, float64
逐元素相乘(与.dot点乘不同)
例如B维度:(3,3),C维度(3,1)
B*C维度(3,3)运用到了广播机制(将C复制两列然后逐元素相乘)
例:
import numpy as np
B = np.array([[1, 1, 1],
[2, 2, 2],
[3, 3, 3]])
C = np.array([[1],
[2],
[3]])
# 逐元素相乘
D = B*C
print(D)
相关函数
np.random.randn(n)
生成五个随机高斯变量
np.exp(z)
表示e的z次方
np.insert()函数
np.insert(x, 0, values=1,axis=1)
axis = 0: 表示竖直
axis = 1:表示水平
0:表示插入的索引值
value:插入的值
最终在每一行第一个位置插入1
import numpy as np
x = np.array([[2, 3, 4, 5],
[5, 6, 7, 8]])
x = np.insert(x, 0, values=1,axis=1)
print(x)
np. argmax()
axis = 1 (行)
np.argmax(a, axis=1):
返回行最大值的索引
例如:
import numpy as np
a = np.array([[1, 5, 5, 2],
[9, 6, 2, 8],
[3, 7, 9, 1]])
print(np.argmax(a, axis=1))
np.mean()
1.可以用来预测准确率:
可计算预测值与实际值相等所占比例
例如;
import numpy as np
y = np.array([1, 0, 0, 1, 1])
y1 = np.array([1, 0, 1, 0, 0])
acc = np.mean(y==y1)
print(acc)
np.linalg.norm()
可用于计算m个点分别到k个点距离
例:(1,1)(3,4)(5,12)分别到(0,0)(1,1)(2,2)距离
import numpy as np
li= np.array([[1, 1],
[3, 4],
[5, 12]])
centro = np.array([[0, 0],
[1, 1],
[2, 2]])
for i in range(len(li)):
distance = np.linalg.norm((li[i]-centro), axis=1)
print(distance)
np.squeeze()
可以将矩阵转化为列表
例:
import numpy as np
X = np.array([[1],
[2],
[3],
[4]])
print(X)
x = np.squeeze(X)
print(x)