Numpy库进阶

项目

数据集

课程

比赛

模型库

活动

论坛

访问飞桨官网

项目

数据集

课程

比赛

模型库

活动

论坛

访问飞桨官网

水水水的老师发布于2020-03

Numpy提供了reshape方法用于改变数组的形状，reshape方法仅改变原始数据的形状，不改变原始数据的值。示例代码如下：

import numpy as np arr = np.arange(12) # 创建一维ndarray 
arr1 = arr.reshape(3, 4) # 设置ndarray的维度，改变其形态

以上示例代码是将一维数组形态变换为二维数组，事实上也可以将二维数组形态展平变换为一维数组，通过ravel()函数即可实现。示例代码如下：

import numpy as np 
arr = np.arange(12).reshape(3, 4) 
arr1=arr.ravel()

全部评论(6)

水水水的老师

#2 回复于2020-03

通过Numpyt提供的sort函数，可以对数组元素值按从小到大进行直接排序，示例代码如下：

import numpy as np 
arr = np.array([5,2,3,3,1,9,8,6,7]) 
arr1=np.sort(arr)

通过Numpy提供的argmax和argmin函数，可以返回待搜索数组最大值和最小值元素的索引值，如果存在多个最大值或最小值，则返回第一次出现的索引。对于二维数组而已，可以通过设置axis=0或1返回各列或者各行最大值或最小值索引。需要注意的是，索引从0开始

水水水的老师

#3 回复于2020-03

水水水的老师 #2

通过Numpyt提供的sort函数，可以对数组元素值按从小到大进行直接排序，示例代码如下： [代码] 通过Numpy提供的argmax和argmin函数，可以返回待搜索数组最大值和最小值元素的索引值，如果存在多个最大值或最小值，则返回第一次出现的索引。对于二维数组而已，可以通过设置axis=0或1返回各列或者各行最大值或最小值索引。需要注意的是，索引从0开始

展开

应该是对于二维数组而言，

水水水的老师

#4 回复于2020-03

Numpy的matrix是继承自NumPy的二维ndarray对象，不仅拥有二维ndarray的属性、方法与函数，还拥有诸多特有的属性与方法。同时，Numpy中的matrix和线性代数中的矩阵概念几乎完全相同，同样含有转置矩阵，共轭矩阵，逆矩阵等概念。创建Numpy矩阵 Numpy中可使用mat、matrix或bmat函数来创建矩阵。使用mat函数创建矩阵时，若输入matrix或ndarray对象，则不会为它们创建副本。在矩阵的日常使用过程中，将小矩阵组合成大矩阵是一种频率极高的操作。在Numpy中可以使用bmat分块矩阵函数实现

水水水的老师

#5 回复于2020-03

线性代数是数学的一个重要分支。Numpy包含numpy.linalg模块，提供线性代数所需的功能，如计算逆矩阵、求解线性方程组、求特征值、奇异值分解以及求解行列式等。numpy.linalg模块中的一些常用函数

dot
矩阵相乘
inv
求逆矩阵
solve
求解线性方程组
eig
求特征值和特征向量
eigvals
求特征值
svd
计算奇异值分解
det
求行列式

水水水的老师

#6 回复于2020-03

矩阵可以对向量进行线性变换，numpy.linalg模块中的solve函数可以求解线性方程组

import numpy as np
A = np.mat("1,-1,1; 2,1,0; 2,1,-1")
b = np.array([4, 3, -1])
x = np.linalg.solve(A, b)#线性方程组Ax=b的解

水水水的老师

#7 回复于2020-03

可以进行奇异值分解

import numpy as np
A = np.mat("4.0,11.0,14.0; 8.0,7.0,-2.0")
U, Sigma, V = np.linalg.svd(A, full_matrices=False)