科学计算工具NumPy(2):ndarray的矩阵处理

举报
DrugAI 发表于 2021/07/15 01:36:00 2021/07/15
【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

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上


  
  1. # 矢量与矢量运算
  2. arr = np.array([[1, 2, 3],
  3. [4, 5, 6]])
  4. print("元素相乘:")
  5. print(arr * arr)
  6. print("矩阵相加:")
  7. print(arr + arr)

运行结果:


  
  1. 元素相乘:
  2. [[ 1 4 9]
  3. [16 25 36]]
  4. 矩阵相加:
  5. [[ 2 4 6]
  6. [ 8 10 12]]

2. 矢量和标量运算:"广播" - 将标量"广播"到各个元素


  
  1. # 矢量与标量运算
  2. print(1. / arr)
  3. print(2. * arr)

运行结果:


  
  1. [[ 1. 0.5 0.33333333]
  2. [ 0.25 0.2 0.16666667]]
  3. [[ 2. 4. 6.]
  4. [ 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


  
  1. # 一维数组
  2. arr1 = np.arange(10)
  3. print(arr1)
  4. print(arr1[2:5])

运行结果:


  
  1. [0 1 2 3 4 5 6 7 8 9]
  2. [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


  
  1. # 多维数组
  2. arr2 = np.arange(12).reshape(3,4)
  3. print(arr2)
  4. print(arr2[1])
  5. print(arr2[0:2, 2:])
  6. print(arr2[:, 1:3])

运行结果:


  
  1. [[ 0 1 2 3]
  2. [ 4 5 6 7]
  3. [ 8 9 10 11]]
  4. [4 5 6 7]
  5. [[2 3]
  6. [6 7]]
  7. [[ 1 2]
  8. [ 5 6]
  9. [ 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


  
  1. # 条件索引
  2. # 找出 data_arr 中 2005年后的数据
  3. data_arr = np.random.rand(3,3)
  4. print(data_arr)
  5. year_arr = np.array([[2000, 2001, 2000],
  6. [2005, 2002, 2009],
  7. [2001, 2003, 2010]])
  8. is_year_after_2005 = year_arr >= 2005
  9. print(is_year_after_2005, is_year_after_2005.dtype)
  10. filtered_arr = data_arr[is_year_after_2005]
  11. print(filtered_arr)
  12. #filtered_arr = data_arr[year_arr >= 2005]
  13. #print(filtered_arr)
  14. # 多个条件
  15. filtered_arr = data_arr[(year_arr <= 2005) & (year_arr % 2 == 0)]
  16. print(filtered_arr)

运行结果:


  
  1. [[ 0.53514038 0.93893429 0.1087513 ]
  2. [ 0.32076215 0.39820313 0.89765765]
  3. [ 0.6572177 0.71284822 0.15108756]]
  4. [[False False False]
  5. [ True False True]
  6. [False False True]] bool
  7. [ 0.32076215 0.89765765 0.15108756]
  8. #[ 0.32076215 0.89765765 0.15108756]
  9. [ 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


  
  1. arr = np.random.rand(2,3) # 2x3 数组
  2. print(arr)
  3. print(arr.transpose()) # 转换为 3x2 数组
  4. arr3d = np.random.rand(2,3,4) # 2x3x4 数组,2对应03对应14对应3
  5. print(arr3d)
  6. print(arr3d.transpose((1,0,2))) # 根据维度编号,转为为 3x2x4 数组

运行结果:


  
  1. # 二维数组转换
  2. # 转换前:
  3. [[ 0.50020075 0.88897914 0.18656499]
  4. [ 0.32765696 0.94564495 0.16549632]]
  5. # 转换后:
  6. [[ 0.50020075 0.32765696]
  7. [ 0.88897914 0.94564495]
  8. [ 0.18656499 0.16549632]]
  9. # 高维数组转换
  10. # 转换前:
  11. [[[ 0.91281153 0.61213743 0.16214062 0.73380458]
  12. [ 0.45539155 0.04232412 0.82857746 0.35097793]
  13. [ 0.70418988 0.78075814 0.70963972 0.63774692]]
  14. [[ 0.17772347 0.64875514 0.48422954 0.86919646]
  15. [ 0.92771033 0.51518773 0.82679073 0.18469917]
  16. [ 0.37260457 0.49041953 0.96221477 0.16300198]]]
  17. # 转换后:
  18. [[[ 0.91281153 0.61213743 0.16214062 0.73380458]
  19. [ 0.17772347 0.64875514 0.48422954 0.86919646]]
  20. [[ 0.45539155 0.04232412 0.82857746 0.35097793]
  21. [ 0.92771033 0.51518773 0.82679073 0.18469917]]
  22. [[ 0.70418988 0.78075814 0.70963972 0.63774692]
  23. [ 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

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。