numpy.eye() 与 numpy.identity() 函数的用法

最新推荐文章于 2024-04-02 23:35:29 发布

宁静致远*

最新推荐文章于 2024-04-02 23:35:29 发布

阅读量1.3k

点赞数 1

分类专栏：修仙之路：numpy篇

本文链接：https://blog.csdn.net/weixin_40522801/article/details/106172483

版权

修仙之路：numpy篇专栏收录该内容

18 篇文章

订阅专栏

本文详细介绍了NumPy库中的eye和identity函数的使用方法，包括参数解释、返回值说明及示例代码，展示了如何利用这些函数生成特定的二维数组，如对角矩阵和单位矩阵，适用于深度学习中的one-hot编码等高级应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

官方文档：https://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.eye.html#numpy.eye

1 numpy.eye()

numpy.eye(N, M=None, k=0, dtype=<type 'float'>)

Parameters:

N：int型，表示的是输出的行数

M：可选，int型，输出的列数，如果没有就默认为N

k：可选，int型，对角线的下标，默认为0表示的是主对角线，负数表示的是低对角，正数表示的是高对角。

dtype：可选，数据的类型，返回的数据的数据类型

Returns:

ndarray of shape (N,M)：N*M的数组

一个所有元素都等于零的数组，除了第k条对角线，它的值等于1。

栗子1：普通的用法

import numpy as np
 
a=np.eye(3)
print(a)
 
a=np.eye(4,k=1)
print(a)
 
a=np.eye(4,k=-1)
print(a)
 
a=np.eye(4,k=-3)
print(a)


# result

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
[[0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]
 [0. 0. 0. 0.]]
[[0. 0. 0. 0.]
 [1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]]
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [1. 0. 0. 0.]]

栗子2：深度学习中的高级用法，将数组转成one-hot形式

该函数的用法非常的简单，但是在预制的代码中，这个函数的用法并非仅仅生成一个对角矩阵，而是通过其将一个label数组，大小为(1,m)或者(m,1)的数组，转化成one-hot数组。

# one-hot编码
import numpy as np
 
labels=np.array([[1],[2],[0],[1]])
print("labels的大小：",labels.shape,"\n")
 
#因为我们的类别是从0-2，所以这里是3个类
a=np.eye(3)[1]
print("如果对应的类别号是1，那么转成one-hot的形式",a,"\n")
 
a=np.eye(3)[2]
print("如果对应的类别号是2，那么转成one-hot的形式",a,"\n")
 
a=np.eye(3)[1,0]
print("1转成one-hot的数组的第一个数字是：",a,"\n")
 
#这里和上面的结果的区别，注意!!!
a=np.eye(3)[[1,2,0,1]]
print("如果对应的类别号是1,2,0,1，那么转成one-hot的形式\n",a)
 
res=np.eye(3)[labels.reshape(-1)]
print("labels转成one-hot形式的结果：\n",res,"\n")
print("labels转化成one-hot后的大小：",res.shape)


# result

labels的大小： (4, 1) 
 
如果对应的类别号是1，那么转成one-hot的形式 [0. 1. 0.] 
 
如果对应的类别号是2，那么转成one-hot的形式 [0. 0. 1.] 
 
1转成one-hot的数组的第一个数字是： 0.0 
 
如果对应的类别号是1,2,0,1，那么转成one-hot的形式
 [[0. 1. 0.]
 [0. 0. 1.]
 [1. 0. 0.]
 [0. 1. 0.]]
labels转成one-hot形式的结果：
 [[0. 1. 0.]
 [0. 0. 1.]
 [1. 0. 0.]
 [0. 1. 0.]] 
 
labels转化成one-hot后的大小： (4, 3)

2 numpy.identity()

这个函数和之前的区别在于，这个只能创建方阵，也就是N=M。

numpy.identity(n, dtype=None)

Parameters:

n：int型表示的是输出的矩阵的行数和列数都是n

dtype：表示的是输出的类型，默认是float

Returns:

n*n的数组，主对角线为1，其余地方为0

栗子：

import numpy as np
 
a=np.identity(3)
print(a)

# result

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

参考：https://blog.csdn.net/m0_37393514/article/details/81455915