科学计算工具NumPy(2):ndarray的矩阵处理
【摘要】 科学计算工具NumPy(1):ndarray的创建于数据类型
科学计算工具NumPy(2):ndarray的矩阵处理
科学计算工具NumPy(3):ndarray的元素处理
ndarray的矩阵运算
数组是编程中的概念,矩阵、矢量是数学概念。
在计算机编程中,矩阵可以用数组形式定义,矢量可以用结构定义!
1. 矢量运算:相同大小的数组间运算应用在元素...
科学计算工具NumPy(1):ndarray的创建于数据类型
ndarray的矩阵运算
数组是编程中的概念,矩阵、矢量是数学概念。
在计算机编程中,矩阵可以用数组形式定义,矢量可以用结构定义!
1. 矢量运算:相同大小的数组间运算应用在元素上
-
# 矢量与矢量运算
-
arr = np.array([[1, 2, 3],
-
[4, 5, 6]])
-
-
print("元素相乘:")
-
print(arr * arr)
-
-
print("矩阵相加:")
-
print(arr + arr)
运行结果:
-
元素相乘:
-
[[ 1 4 9]
-
[16 25 36]]
-
-
矩阵相加:
-
[[ 2 4 6]
-
[ 8 10 12]]
2. 矢量和标量运算:"广播" - 将标量"广播"到各个元素
-
# 矢量与标量运算
-
print(1. / arr)
-
print(2. * arr)
运行结果:
-
[[ 1. 0.5 0.33333333]
-
[ 0.25 0.2 0.16666667]]
-
-
[[ 2. 4. 6.]
-
[ 8. 10. 12.]]
ndarray的索引与切片
1. 一维数组的索引与切片
与Python的列表索引功能相似
-
# 一维数组
-
arr1 = np.arange(10)
-
print(arr1)
-
print(arr1[2:5])
运行结果:
-
[0 1 2 3 4 5 6 7 8 9]
-
[2 3 4]
2. 多维数组的索引与切片:
arr[r1:r2, c1:c2]
arr[1,1] 等价 arr[1][1]
[:] 代表某个维度的数据
-
# 多维数组
-
arr2 = np.arange(12).reshape(3,4)
-
print(arr2)
-
-
print(arr2[1])
-
-
print(arr2[0:2, 2:])
-
-
print(arr2[:, 1:3])
运行结果:
-
[[ 0 1 2 3]
-
[ 4 5 6 7]
-
[ 8 9 10 11]]
-
-
[4 5 6 7]
-
-
[[2 3]
-
[6 7]]
-
-
[[ 1 2]
-
[ 5 6]
-
[ 9 10]]
3. 条件索引
布尔值多维数组:arr[condition],condition也可以是多个条件组合。
注意,多个条件组合要使用 & | 连接,而不是Python的 and or。
-
# 条件索引
-
-
# 找出 data_arr 中 2005年后的数据
-
data_arr = np.random.rand(3,3)
-
print(data_arr)
-
-
year_arr = np.array([[2000, 2001, 2000],
-
[2005, 2002, 2009],
-
[2001, 2003, 2010]])
-
-
is_year_after_2005 = year_arr >= 2005
-
print(is_year_after_2005, is_year_after_2005.dtype)
-
-
filtered_arr = data_arr[is_year_after_2005]
-
print(filtered_arr)
-
-
#filtered_arr = data_arr[year_arr >= 2005]
-
#print(filtered_arr)
-
-
# 多个条件
-
filtered_arr = data_arr[(year_arr <= 2005) & (year_arr % 2 == 0)]
-
print(filtered_arr)
运行结果:
-
[[ 0.53514038 0.93893429 0.1087513 ]
-
[ 0.32076215 0.39820313 0.89765765]
-
[ 0.6572177 0.71284822 0.15108756]]
-
-
[[False False False]
-
[ True False True]
-
[False False True]] bool
-
-
[ 0.32076215 0.89765765 0.15108756]
-
-
#[ 0.32076215 0.89765765 0.15108756]
-
-
[ 0.53514038 0.1087513 0.39820313]
ndarray的维数转换
二维数组直接使用转换函数:transpose()
高维数组转换要指定维度编号参数 (0, 1, 2, …),注意参数是元组
-
arr = np.random.rand(2,3) # 2x3 数组
-
print(arr)
-
print(arr.transpose()) # 转换为 3x2 数组
-
-
-
arr3d = np.random.rand(2,3,4) # 2x3x4 数组,2对应0,3对应1,4对应3
-
print(arr3d)
-
print(arr3d.transpose((1,0,2))) # 根据维度编号,转为为 3x2x4 数组
运行结果:
-
# 二维数组转换
-
# 转换前:
-
[[ 0.50020075 0.88897914 0.18656499]
-
[ 0.32765696 0.94564495 0.16549632]]
-
-
# 转换后:
-
[[ 0.50020075 0.32765696]
-
[ 0.88897914 0.94564495]
-
[ 0.18656499 0.16549632]]
-
-
-
# 高维数组转换
-
# 转换前:
-
[[[ 0.91281153 0.61213743 0.16214062 0.73380458]
-
[ 0.45539155 0.04232412 0.82857746 0.35097793]
-
[ 0.70418988 0.78075814 0.70963972 0.63774692]]
-
-
[[ 0.17772347 0.64875514 0.48422954 0.86919646]
-
[ 0.92771033 0.51518773 0.82679073 0.18469917]
-
[ 0.37260457 0.49041953 0.96221477 0.16300198]]]
-
-
# 转换后:
-
[[[ 0.91281153 0.61213743 0.16214062 0.73380458]
-
[ 0.17772347 0.64875514 0.48422954 0.86919646]]
-
-
[[ 0.45539155 0.04232412 0.82857746 0.35097793]
-
[ 0.92771033 0.51518773 0.82679073 0.18469917]]
-
-
[[ 0.70418988 0.78075814 0.70963972 0.63774692]
-
[ 0.37260457 0.49041953 0.96221477 0.16300198]]]
参考资料
文章来源: drugai.blog.csdn.net,作者:DrugAI,版权归原作者所有,如需转载,请联系作者。
原文链接:drugai.blog.csdn.net/article/details/104268849
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)