python
注意:
1.MATLAB的基本类型是矩阵,而numpy的基本类型是多为数组,把matrix看做是array的子类。
2.MATLAB的索引从1开始,而numpy从0开始。
numpy.dot(a,b) #点积,数量积,a为x*y的矩阵,b为y*x的矩阵
numpy.multiply(a,b) #点乘,a,b都为x*y的矩阵,相当于matlab .*
numpy.divide(a,b) #a,b都为x*y的矩阵,类似multiply的操作
numpy.tile(a,(1,2)) #纵向重复
numpy.tile(a,2) #横向重复
https://docs.scipy.org/doc/numpy/reference/generated/numpy.tile.html
np.sum(a,0) #a为x*y的矩阵,则结果为1*y,沿着列加和
np.sum(a,1) #a为x*y的矩阵,则结果为1*x,沿着行加和
np.arange(10) #0~9的array
np.xrange
np.random.choice(range,size,replace=true) #replace=true为重置抽样,即有放回的抽样
注意:
1.MATLAB的基本类型是矩阵,而numpy的基本类型是多为数组,把matrix看做是array的子类。
2.MATLAB的索引从1开始,而numpy从0开始。
numpy.dot(a,b) #点积,数量积,a为x*y的矩阵,b为y*x的矩阵
numpy.multiply(a,b) #点乘,a,b都为x*y的矩阵,相当于matlab .*
numpy.divide(a,b) #a,b都为x*y的矩阵,类似multiply的操作
numpy.tile(a,(1,2)) #纵向重复
numpy.tile(a,2) #横向重复
https://docs.scipy.org/doc/numpy/reference/generated/numpy.tile.html
np.sum(a,0) #a为x*y的矩阵,则结果为1*y,沿着列加和
np.sum(a,1) #a为x*y的矩阵,则结果为1*x,沿着行加和
np.arange(10) #0~9的array
np.xrange
np.random.choice(range,size,replace=true) #replace=true为重置抽样,即有放回的抽样