python 两个矩阵相同元素_Python——Numpy的简单操作

最新推荐文章于 2024-08-13 04:20:26 发布

Ashley K

最新推荐文章于 2024-08-13 04:20:26 发布

阅读量3.5k

点赞数

文章标签： python 两个矩阵相同元素

本文链接：https://blog.csdn.net/weixin_35819216/article/details/112459874

版权

本文介绍了Python Numpy库中的矩阵创建、查看属性、reshape()函数的使用，以及单位矩阵的生成。详细讲解了如何通过np.array、np.arange创建矩阵，通过shape属性查看行列数，通过reshape()改变数组形状，以及使用np.eye生成单位矩阵。同时，文中还提到了数组的访问、切片、降维操作和numpy.dot()函数在点积和矩阵乘法中的应用。

摘要由CSDN通过智能技术生成

1、矩阵创建及简单操作

（1）可以通过python的list来创建数组，假如说list = [1 , 2 , 3 , 4] ,array_1 = np.array(list_1)创建一个数组。

（2）还可以通过arange来创建数组，比方说array_4 = np.arange(1 ,10)即可以创建一个从1到10的数组。

2、数组行数和列数的查看

（1）array.shape返回数组的行数和列数; array.size返回数组的元素个数；array.dtype返回数组里元素的数据类型。

numpy 创建的数组都有一个shape属性，它是一个元组，返回各个维度的维数。有时候我们可能需要知道某一维的特定维数。

当想要创建二维数组时

>>> import numpy as np
>>> y = np.array([[1,2,3],[4,5,6]])
>>> print(y)
[[1 2 3]
 [4 5 6]]
>>> print(y.shape)
(2, 3)
>>> print(y.shape[0])
2
>>> print(y.shape[1])
3

可以看到y是一个两行三列的二维数组，y.shape[0]代表行数，y.shape[1]代表列数。

三维情况

>>> x  = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[0,1,2]],[[3,4,5],[6,7,8]]])
>>>> print(x)
[[[1 2 3]
  [4 5 6]]

 [[7 8 9]
  [0 1 2]]

 [[3 4 5]
  [6 7 8]]]
>>> print(x.shape)
(3, 2, 3)
>>> print(x.shape[0])
3
>>> print(x.shape[1])
2
>>> print(x.shape[2])
3

可以看到x是一个包含了3个两行三列的二维数组的三维数组，x.shape[0]代表包含二维数组的个数，x.shape[1]表示二维数组的行数，x.shape