下方矩阵是100克不同食物的卡路里来源,例如100克苹果的热量有56卡来自碳水化合物,蛋白质和脂肪分别为1.2和1.8。
需求:计算四种食物中,来自碳水化合物、蛋白质和脂肪的卡路里的百分比。例如100克苹果总共有56+1.2+1.8=59卡,其中碳水化合物占比约为94.9%。
目标:不用显式for循环实现。
import numpy as np
#将数据填入3*4的矩阵A
A=np.array([56.0,0.0,4.4,68.0],
[1.2,104.0,52.0,8.0],
[1.8,135.0,99.0,0.9])
print(A)
cal=A.sum(axis=0) #竖直相加
print(cal)
percentage=100*A/cal.reshape(1,4) #用矩阵A除以上面的1*4矩阵
print(percentage)
输出:
cal=A.sum(axis=0)
中的轴0表示希望Python在竖直方向求和,水平方向则是轴1。percentage=100*A/cal.reshape(1,4)
中的A是3×4矩阵,用A除以1×4矩阵。- 其实在cal=A.sum(axis=0)执行之后,变量cal已经是一个1×4矩阵了,不需要调用reshape函数,但用reshape可以保证它是正确的行向量、列向量或任何需要的形式
- 这行代码的执行过程,就像1.7节logistic回归中参数b的计算,例如:
- 如果有一个m×n的矩阵,然后加、减、乘或除以一个1×n的矩阵,Python就会把后者复制n次,变成m×n矩阵,然后再逐元素做计算。其他形式的计算都和这个过程类似