numpy中的数组和矩阵

矩阵是数组的分支,基本上通用(官方建议如果两个通用,就用array),array更灵活。两者比较大的区别在乘法中。

  1. 当为array的时候,默认d*f就是对应元素的乘积,multiply也是对应元素的乘积,dot(d,f)会转化为矩阵的乘积, dot点乘意味着相加,而multiply只是对应元素相乘,不相加
  2. 当为mat的时候,默认d*f就是矩阵的乘积,multiply转化为对应元素的乘积,dot(d,f)为矩阵的乘积 下面是我今天总结的一些array的用法(一部分,不全)(可能有错误的地方)

把想运行的代码前的#去掉即可

import numpy as np
#array = np.array([[1,2,3],[2,3,4]])
#print(array)
#print('number of dim:',array.ndim)#维数
#print('shape:',array.shape)#形状
#print('size:',array.size)#大小
#a = np.ones((3,4),dtype = np.int16)  #全部是1
#print(a)
#a = np.arange(10,20,2)#10开始到19,一步走2
#print(a)
#a = np.arange(12).reshape((3,4))#0到11
#print(a)
#a = np.linspace(1,10,6).reshape((2,3))#1到10,分6段
#print(a)
#运算
#a = np.array([10,20,30,40])
#b = np.arange(4)
#加减
#c = a+b
#print(c)
#三角函数
#c = np.sin(a)
#print(c)
#N次方
#c = a**3
#print(c)
#范围
#print(b<3)#== >[ True  True  True False]
#乘法
#c = a*b
#print(c)    #[  0  20  60 120]
#乘法(和线代两个矩阵相乘相同)
#a = np.array([[1,1],[0,1]])
#b = np.arange(4).reshape((2,2))
#c_dot = np.dot(a,b)
#c_dot_2 = a.dot(b)#效果一样
#print(c_dot)
#print(c_dot_2)
#a = np.random.random((2,4))#随机生成的0到1
#print(a)
#print(np.sum(a,axis = 1))#第一、二行的总和
#print(np.min(a,axis = 0))#每一列的最小值
#print(np.max(a,axis = 1))#每一行的最大值
#A = np.arange(14,2,-1).reshape((3,4))
#print(np.argmin(A))#最大值的索引
#print(np.argmax(A))#最小值的索引
#print(np.mean(A))
#print(np.mean(A,axis = 0))
#print(A.mean())
#print(np.average(A))#平均值
#print(np.median(A))#中位数
#print(np.cumsum(A))#累加
#print(np.diff(A))#两两的差
#print(np.nonzero(A))#找出非零的数
#print(np.sort(A))#排序行内的排序
#print(np.transpose(A))
#print(A.T)#反置
#print((A.T).dot(A))
#print(np.clip(A,5,9))#小于5的换成5,大于9的换成9
复制代码

转载于:https://juejin.im/post/5cb7451de51d456e5d3dac2b

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
如果你有一个 C++ 数组,想要在 Python 将其转化为 NumPy 矩阵,可以使用 `numpy.ctypeslib.as_array()` 函数。具体步骤如下: 1. 首先,需要将 C++ 数组导出为一个动态链接库(DLL 或 SO 文件),使得 Python 可以调用其的函数。 2. 在 Python ,使用 `numpy.ctypeslib.load_library()` 函数加载这个动态链接库,然后使用 `numpy.ctypeslib.as_array()` 函数将 C++ 数组转化为 NumPy 数组。 3. 最后,使用 `numpy.matrix()` 函数将 NumPy 数组转化为矩阵。 下面是一个简单的示例,假设有一个 C++ 数组 `a`,包含了一个 2x3 的矩阵: ```c++ // example.cpp #include <iostream> using namespace std; extern "C" { void get_array(double* arr, int m, int n) { double a[2][3] = {{1.0, 2.0, 3.0}, {4.0, 5.0, 6.0}}; for (int i = 0; i < m; i++) { for (int j = 0; j < n; j++) { arr[i * n + j] = a[i][j]; } } } } ``` 这是一个简单的函数,将一个 2x3 的矩阵导出为一个 C++ 数组。现在,可以使用 CMake 编译这个函数,生成一个名为 `example.so` 的动态链接库: ```cmake # CMakeLists.txt cmake_minimum_required(VERSION 3.0) project(example) set(CMAKE_CXX_STANDARD 11) set(CMAKE_POSITION_INDEPENDENT_CODE ON) add_library(example SHARED example.cpp) ``` 在 Python ,可以使用下面的代码加载这个动态链接库,并将其数组转化为矩阵: ```python import numpy as np from numpy.ctypeslib import load_library, as_array # 加载动态链接库 lib = load_library('example.so', '.') # 调用函数,获取数组 m, n = 2, 3 arr = np.zeros((m, n)) lib.get_array(arr.ctypes.data_as(np.ctypeslib.c_void_p), m, n) # 将数组转化为矩阵 mat = np.matrix(arr) print(mat) ``` 输出结果如下: ``` [[1. 2. 3.] [4. 5. 6.]] ``` 需要注意的是,这种方法需要掌握 C++ 和 Python 的基础知识,如果不熟悉其的一方,可能会遇到困难。此外,由于涉及到动态链接库的编译和加载,也会增加一定的复杂度。因此,如果在 Python 处理矩阵是你的主要目的,建议直接使用 NumPy 数组,避免使用 C++ 数组
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值