import numpy
arr = numpy.arange(16)
print(arr)
#打印结果是:
'''
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
说明这是对应一个行向量,1行16列
'''
arr_rsped=arr.reshape(8,2)
print(arr_rsped)
#打印结果是:
'''
[[ 0 1]
[ 2 3]
[ 4 5]
[ 6 7]
[ 8 9]
[10 11]
[12 13]
[14 15]]
说明这是对应一个8行2列的矩阵,而且可以看到每行都是一个 用一个中括号括起来的 行矩阵/行向量
'''
list=[ 0 , 1 , 2 , 3 , 4, 5 , 6 , 7 , 8 , 9, 10 ,11]
#另设一个ndarry实例arr2:
arr2_=numpy.arange(12) #numpy.arange:这个函数返回ndarray对象,包含给定范围内的等间隔值。
arr2=numpy.array(list) #另一个创建ndarry实例方法
print(type(arr2_)) #<class 'numpy.ndarray'>
print(type(arr2)) #<class 'numpy.ndarray'>
print(arr2_)
print(arr2)
'''
<class 'numpy.ndarray'>
<class 'numpy.ndarray'>
[ 0 1 2 3 4 5 6 7 8 9 10 11]
[ 0 1 2 3 4 5 6 7 8 9 10 11]
arr2_和arr2的打印结果相同,都是一个1行11列行行矩阵/行向量 0~11
'''
arr2_rsped=arr2.reshape(3,2,2) #第一个参数是通道数C,第二个是行数H,第三个是列数W,C×H×W
print(arr2_rsped)
'''
[[[ 0 1]
[ 2 3]]
[[ 4 5]
[ 6 7]]
[[ 8 9]
[10 11]]]
3维numpy数组,也可认为是这是一个3阶张量,以通道数来看每通道内都是一个2行2列矩阵
'''
numpy 数组操作和矩阵对应关系
于 2022-04-20 15:51:20 首次发布