矩阵
独特访问元素方法(不等号)
import numpy as np
X = np.array([[51, 55], [14, 19], [0, 4]])
X = X.flatten() #将矩阵转化为一维数组 [51 55 14 19 0 4]
print( X > 15) #[ True True False True False False]
print( X[X>15]) #[51, 55, 19]
相乘方法区分
① 对位乘积:两个矩阵shape相同,各元素对应相乘,结果是一个相同shape的矩阵 a*b 、multiply(a,b)
② 矩阵乘法:数学上的矩阵乘法,结果是一个矩阵 dot(a,b) 、matmul(a,b) 、a@b
③ 向量内积:对应元素相乘,再相加,结果是一个数值 dot(a,b)、a@b 当a,b均为一维向量
可视化 Matplotlib
1.图像绘制
import numpy as np
import matplotlib.pyplot as plt
# 生成数据
x = np.arange(0, 6, 0.1) # 以0.1为单位,生成0到6的数据
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制图形
plt.plot(x, y1, label="sin")
plt.plot(x, y2, linestyle = "--", label="cos") # 用虚线绘制
plt.xlabel("x") # x轴标签
plt.ylabel("y") # y轴标签
plt.title('sin & cos') # 标题
plt.legend() # 在plt.plot() 定义后plt.legend() 会显示该 label 的内容
plt.show()
结果如下:
2.读入图像 imread()
from matplotlib.image import imread
img = imread(‘lena.png’) # 读入图像(设定合适的路径!)
matplotlib.image模块的imread()方法读入图像
3. 显示图像 imshow()
plt.imshow(img)