np.array(list),通过一个列表创建数据,可用dtype指定数据类型。
np.array([1,2,3],dtype=np.int32)
np.concatenate,拼接。注意与torch.cat区别
arr1 = rng.random((2, 3))
arr2 = rng.random((2, 3))
arr1, arr2
"""
arr1, arr2
(array([[0.77395605, 0.43887844, 0.85859792],
[0.69736803, 0.09417735, 0.97562235]]),
array([[0.7611397 , 0.78606431, 0.12811363],
[0.45038594, 0.37079802, 0.92676499]]))
"""
# 默认沿axis=0(列)连接
np.concatenate((arr1, arr2))
"""
array([[0.77395605, 0.43887844, 0.85859792],
[0.69736803, 0.09417735, 0.97562235],
[0.7611397 , 0.78606431, 0.12811363],
[0.45038594, 0.37079802, 0.92676499]])
"""
# 沿 axis=1(行)连接
np.concatenate((arr1, arr2), axis=1)
"""
array([[0.77395605, 0.43887844, 0.85859792, 0.7611397 , 0.78606431,
0.12811363],
[0.69736803, 0.09417735, 0.97562235, 0.45038594, 0.37079802,
0.92676499]])
"""
筛选提取 np.where,返回各维度符合条件的index
arr
"""
array([[ 9, 77, 65, 44],
[43, 86, 9, 70],
[20, 10, 53, 97]])
"""
# 返回满足条件的索引,因为是两个维度,所以会返回两组结果
np.where(arr > 50)
"""
(array([0, 0, 1, 1, 2, 2]), array([1, 2, 1, 3, 2, 3]))
"""
# 不满足条件的赋值,将 <=50 的替换为 -1
np.where(arr > 50, arr, -1)
"""
array([[-1, 77, 65, -1],
[-1, 86, -1, 70],
[-1, -1, 53, 97]])
"""
返回结果有两组array结果,分别对应满足条件数据位置的行和列,一一对应的关系。
四舍五入取整,np.round(a,b) a为np数组,b为保留的小数位数
向下取整 np.floor()
向上取整 np.ceil()
矩阵乘法
a, b
"""
array([[1, 7],
[6, 4],
[4, 8]]),
array([[1, 7, 2, 1],
[5, 9, 7, 7]])
"""
# array 乘法
np.dot(a, b)
"""
array([[ 36, 70, 51, 50],
[ 26, 78, 40, 34],
[ 44, 100, 64, 60]])
"""
# 或者这样乘
a.dot(b)
"""
array([[ 36, 70, 51, 50],
[ 26, 78, 40, 34],
[ 44, 100, 64, 60]])
"""
# 矩阵乘法
# 与 dot 的主要区别是:matmul 矩阵(好像元素一样)堆叠在一起广播
np.matmul(a, b)
"""
array([[ 36, 70, 51, 50],
[ 26, 78, 40, 34],
[ 44, 100, 64, 60]])
"""
# 同上,写起来比较好看的方法
a @ b
"""
array([[ 36, 70, 51, 50],
[ 26, 78, 40, 34],
[ 44, 100, 64, 60]])
"""
# 点积
np.vdot(a, a)
"""
182
"""
# 内积
np.inner(a, a)
"""
array([[50, 34, 60],
[34, 52, 56],
[60, 56, 80]])
"""
# 内积另一种计算方法
a.dot(a.T)
"""
array([[50, 34, 60],
[34, 52, 56],
[60, 56, 80]])
"""
# 行列式
np.linalg.det(c)
"""
-19.999999999999996
"""
# 逆矩阵(方阵)
np.linalg.inv(c)
"""
array([[ 0.2 , -0.2 , 0. ],
[-1.05, 0.55, 1.25],
[ 1.6 , -0.6 , -2. ]])
"""
矩阵乘法a.dot(b),类型线代矩阵相乘,点积a.dot(a.T)也是同样算法。