![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
numpy 线性代数
火星种萝卜
c++ vc mfc java
展开
-
np.unravel_index() 求出数组某元素(或某组元素)拉成一维后的索引值在原本维度(或指定新维度)中对应的索一般与np.argmax(A) 或 np.argmin(A) 配合使用
np.unravel_index() 一般与np.argmax(A) 或 np.argmin(A) 配合使用https://blog.csdn.net/MaeveShi/article/details/107378520一句话概括:求出数组某元素(或某组元素)拉成一维后的索引值在原本维度(或指定新维度)中对应的索引官网给出的概括是convert a flat index or array of flat indices into a tuple of coordinate arrays.ind转载 2022-07-13 16:25:01 · 280 阅读 · 0 评论 -
np.delete详解 返回的数据为删除指定维度后的数据
np.delete详解_Tiger-Li的博客-CSDN博客_np.delete(转载 2022-07-13 16:22:22 · 702 阅读 · 0 评论 -
np.random.permutation
np.random.permutationnp.random.permutation():随机排列序列。例1:对0-5之间的序列进行随机排序例2:对一个list进行随机排序多维度的咋回事?来看一个例子:a矩阵输出为:现在看c矩阵,我运行了两次:第一次运行结果:然后,我又运行了一次:通过这个例子可以看出,对于一个多维的输入,只是在第一维上进行了随机排序。对这个这个3×3矩阵来说,只是对行进行随机排序。https://blog.csdn.net/weixin_44.转载 2021-10-31 20:44:42 · 123 阅读 · 0 评论 -
numpy.where()用法
numpy.where() 用法详解 - massquantity - 博客园numpy.where() 用法详解 - massquantity - 博客园转载 2021-10-25 16:04:12 · 205 阅读 · 0 评论 -
python3.7安装numpy pandas失败的处理方案
python3.7安装numpy pandas失败的处理方案 - moxin0509 - 博客园转载 2021-10-17 11:29:01 · 734 阅读 · 0 评论 -
np.arrange()三个参数的使用
python 中 np.arange()的使用 - 博二爷 - 博客园翻译 2021-10-15 16:57:33 · 6828 阅读 · 0 评论 -
如何理解高斯公式?
https://www.zhihu.com/question/326568092/answer/698243145转载 2021-08-21 10:15:51 · 533 阅读 · 0 评论 -
RuntimeWarning: invalid value encountered in true_divide
RuntimeWarning: invalid value encountered in true_divide这个问题可能是在使用numpy的时候出现了0除以0造成的。比如:import numpy as npa = np.array([0,0])a/0__main__:1: RuntimeWarning: invalid value encountered in true_divide这里0/0的报错不具体,有时候不容易发现。如果是1/0这种,会有更加具体的错误信息。比如:转载 2021-08-20 16:06:45 · 2811 阅读 · 0 评论 -
首先声明两者所要实现的功能是一致的(将多维数组降位一维)。这点从两个单词的意也可以看出来,ravel(散开,解开),flatten(变平)。两者的区别在于返回拷贝(copy)还是返回视图(view)
首先声明两者所要实现的功能是一致的(将多维数组降位一维)。这点从两个单词的意也可以看出来,ravel(散开,解开),flatten(变平)。两者的区别在于返回拷贝(copy)还是返回视图(view),numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵,而numpy.ravel()返回的是视图(view,也颇有几分C/C++引用reference的意味),会影响(reflects)原始矩阵。https://www.cnblogs.com/hechangch转载 2021-08-17 12:18:09 · 60 阅读 · 0 评论 -
np.ravel()和np.flatten() 区别
两者的功能是一致的,将多维数组降为一维,但是两者的区别是返回拷贝还是返回视图,np.flatten(0返回一份拷贝,对拷贝所做修改不会影响原始矩阵,而np.ravel()返回的是视图,修改时会影响原始矩阵https://blog.csdn.net/hanshuobest/article/details/78882425...转载 2021-08-17 11:27:04 · 134 阅读 · 0 评论 -
np.zeros(shape) 注意shape的规范格式为元组,不是list
既然,官方文档已经明确指出shape为整数的元组,那我们平时在使用的时候也就用元组,不要去用list以避免造成不必要的错误。一开始没有注意到shape是元组类型,于是产生了一个疑问。shape到底是一个元组呀还是一个数组(列表)?于是,我就试了试一下两种代码:b = np.ones((3,6))b = np.ones([3,6])发现两者都能创建成功,而且编译器也没报错,然后我的疑问就更大了,就去看这俩函数的底层,如下:@set_module('numpy')def ones(sh转载 2021-08-13 17:04:37 · 2259 阅读 · 1 评论 -
你真的懂tf.transpose()函数与Tensor转置操作吗?
https://zhuanlan.zhihu.com/p/257088640转载 2021-08-07 18:06:28 · 201 阅读 · 0 评论 -
NumPy 高级索引
NumPy 高级索引NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外,数组可以由整数数组索引、布尔索引及花式索引。整数数组索引以下实例获取数组中(0,0),(1,1)和(2,0)位置处的元素。实例import numpy as np x = np.array([[1, 2], [3, 4], [5, 6]]) y = x[[0,1,2], [0,1,0]] print (y)输出结果为:[1 4 5]以下实例获取了 4X3转载 2021-07-24 20:23:53 · 276 阅读 · 0 评论 -
python中ndarray怎么保存_Numpy数组应该怎么保存与读取
https://blog.csdn.net/weixin_35656458/article/details/113500862转载 2021-07-23 10:48:07 · 2712 阅读 · 0 评论 -
将二维数组保存为.csv格式
将二维数组保存为.csv格式奇幻熊 2019-07-13 20:47:40 2714 收藏 1分类专栏: Python版权import pandas as pddef save_as_csv(array,path ): """将数组保存在.csv文件中""" data = pd.DataFrame(array) data.to_csv(path) 上述代码中的函数将数组 array 保存到了 path 制定的位置。https://blog....转载 2021-07-06 10:46:25 · 1638 阅读 · 0 评论 -
ndarray保存成文本
https://blog.csdn.net/mouday/article/details/87689510转载 2021-06-10 15:25:14 · 489 阅读 · 0 评论 -
关于numy中np.expand_dims方法的理解?
转自知乎锴锴烫烫烫烫烫烫烫烫烫烫烫烫烫烫烫烫150 人赞同了该回答这个东西的主要作用,就是增加一个维度。现在我们假设有一个数组A,数组A是一个两行三列的矩阵。大小我们记成(2,3)。先明白一个常识,计算机中计数,一般是从0开始的。所以(2,3)这个两行三列的矩阵,它的第“0”维,就是这个“2”行;第“1”维,就是这个“3”列。这个函数的作用,就是在第“axis”维,加一个维度出来,原先的“维”,推到右边去。比如我们设置axis为0,那A矩阵的大小就变...转载 2021-01-13 17:35:42 · 136 阅读 · 0 评论 -
numpy.transpose()方法的使用,该方法其实并没有改变数据的几何位置,只是取数据的角度不同
https://www.cnblogs.com/caizhou520/p/11227986.html转载 2020-10-30 15:31:09 · 173 阅读 · 0 评论 -
numpy.eye()用法
https://numpy.org/doc/stable/reference/generated/numpy.eye.html转载 2020-10-29 23:08:24 · 346 阅读 · 0 评论 -
将多维数组降为一维 numpy.ravel 和 numpy.flatten()
https://www.jianshu.com/p/f9b5fd252c78转载 2020-08-21 15:59:57 · 601 阅读 · 0 评论 -
numpy permutation排列组合方法
https://blog.csdn.net/candy_gl/article/details/79356468转载 2020-08-20 23:06:39 · 4410 阅读 · 0 评论 -
数据分析 同比是消除季节影响与去年同段时间比,环比是连续两个时间段比
https://zhidao.baidu.com/question/570950020.html转载 2020-08-04 20:58:02 · 448 阅读 · 0 评论 -
numpy中amin()方法中维度axis=0 1 2 的理解
https://www.jianshu.com/p/6f58d7f39147numpy中amin()方法中维度axis=0 1 2 的理解axis=0 从最外一层的维度来比较 (对半比较 虽然不恰当,但便于引导思路)axis=1 从中间一层的维度来比较 外进入中间这层的比较 ,这一层的单位是一维数组axis=2 从最内一层的维度来比较 外进入中间进入内层这层的比较 ,这一层的单位是单个元素数字import numpy as npa = np.random...转载 2020-08-01 18:10:26 · 1428 阅读 · 0 评论 -
numpy数组统计函数amin() amax()
https://www.runoob.com/numpy/numpy-statistical-functions.html转载 2020-08-01 17:22:15 · 640 阅读 · 0 评论 -
np.array_split 方法也可以分割列表list,如下
data = [[1,2,6],[4,5,6],[7,8,9]] split_array = np.array_split(data, int(1 + 1))print(split_array)#[array([[1, 2, 6], [4, 5, 6]]), array([[7, 8, 9]])]原创 2020-07-27 09:41:23 · 765 阅读 · 0 评论 -
python numpy.array 与list类似,不同点:前者区分元素不用逗号,中间用空格,矩阵用[]代表行向量,两个行向量中间仍无逗号; 而list区分元素用逗号
import numpy as npe= np.arange(0 ,3)print("e.type=",type(e),"e=",e)a = np.array([2,3,4])print(a)ls = list(a)print(ls)#resulte.type= <class 'numpy.ndarray'> e= [0 1 2][2 3 4][2, 3, 4]原创 2020-07-27 07:57:12 · 2753 阅读 · 0 评论 -
numpy.squeeze() 去除维度为1的向量
https://blog.csdn.net/tracy_leaf/article/details/79297121转载 2020-07-24 17:14:13 · 7157 阅读 · 0 评论 -
python axis=0 axis=1的区别
https://zhuanlan.zhihu.com/p/110105054画图解释2https://www.cnblogs.com/zsy900312/p/8574307.html转载 2020-07-08 12:08:24 · 163 阅读 · 0 评论 -
numpy : np.percentile使用
https://blog.csdn.net/NockinOnHeavensDoor/article/details/78765556?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-6.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-6.no转载 2020-07-08 11:58:49 · 226 阅读 · 0 评论 -
shape(-1)只有一个参数-1 代表是行数为1 列不限吧
>>> z = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]])>>> print(z)[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12] [13 14 15 16]]>>> print(z.shape)(4, 4)>>> print(z.reshape(-1))[ 1 2 3 ...转载 2020-06-19 15:09:29 · 1837 阅读 · 0 评论 -
np.eye解释较好的
https://www.cnblogs.com/fpzs/p/10083846.html转载 2020-06-19 14:50:09 · 298 阅读 · 0 评论 -
np.squeeze()函数
https://blog.csdn.net/fred_18/article/details/92688903转载 2020-05-27 21:04:49 · 185 阅读 · 0 评论 -
ndarray维度认识及np.concatenate函数详解
https://blog.csdn.net/kealennieh/article/details/82464665转载 2020-05-22 12:00:00 · 254 阅读 · 0 评论 -
np.random.choice()用法
https://www.cnblogs.com/cloud-ken/p/9931273.html转载 2020-05-20 12:56:46 · 120 阅读 · 0 评论 -
numpy.where用法详解,对2维数组判断解释的比较清楚的
https://www.x0ff.com/article/100478.html转载 2020-04-30 18:08:04 · 1902 阅读 · 0 评论 -
numpy.matmul处理一维数组的 3维以上的性质
https://blog.csdn.net/yu_1628060739/article/details/102720385?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task转载 2020-03-12 10:50:00 · 435 阅读 · 0 评论 -
numpy库学习 向量 矩阵 均为有两个[[ ,而秩为1的数组只有一个[ np.array([[]]) 与np.array([])的区别
https://blog.csdn.net/zenghaitao0128/article/details/78300770原创 2020-03-11 13:33:20 · 237 阅读 · 0 评论 -
numpy 一维4向量的shape只有元组的第一个元有数字
import numpy as npX=np.array([[-0.60116],[-0.94159],[-0.74565],[0.89583]])w = [0]b=1z= np.matmul(X,w) + bprint(X.shape)W = np.zeros(X.shape[1])print("W=",W)print("W.TYPE=",type(W),"w...原创 2020-03-11 13:09:34 · 732 阅读 · 0 评论 -
numpy向量加一个常数=向量中的每个值加上这个常数,最后返回一个同维的向量
import numpy as npx=[[-0.60116],[-0.94159],[-0.74565],[ 0.89583]]w = [0]b=1z= np.matmul(x,w) + bprint(z)#结果[1. 1. 1. 1.]原创 2020-03-11 12:50:14 · 6494 阅读 · 0 评论