1、数学和Python的复习
2022/7/23 1:25:22
本文主要是介绍1、数学和Python的复习,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
向量和矩阵
- 生成向量:
>>> import numpy as np >>> x = np.array([1, 2, 3]) >>> x.__class__ #类型 <class 'numpy.ndarray'> >>> x.shape # 形状 (3,) >>> x.ndim # 维度 1
- 生成矩阵:
>>> W = np.array([[1, 2, 3], [4, 5, 6]]) >>> W.shape (2, 3) >>> W.ndim 2
矩阵的对应元素的运算
>>> W = np.array([[1, 2, 3], [4, 5, 6]]) >>> X = np.array([[0, 1, 2], [3, 4, 5]]) >>> W + X # 相同位置的元素相加 array([[ 1, 3, 5], [ 7, 9, 11]]) >>> W * X # 相同位置的元素相乘 array([[ 0, 2, 6], [12, 20, 30]])
广播
在NumPy多维数组中,广播机制使得形状不同的数组也可以进行运算
>>> A = np.array([[1, 2], [3, 4]]) >>> A * 10 # 10被拓展成了2行2列的矩阵,然后进行相乘 array([[10, 20], [30, 40]])
>>> A = np.array([[1, 2], [3, 4]]) >>> b = np.array([10, 20]) # 被拓展成了2行2列的矩阵,然后相乘 >>> A * b array([[10, 40], [30, 80]])
向量内积和矩阵乘积
- 向量内积:
向量的内积可以表示“两个向量在多大程度上指向同一方向”。它的运算是对应位置的元素相乘并求和
>>> a = np.array([1, 2, 3]) >>> b = np.array([4, 5, 6]) >>> np.dot(a, b) 32
- 矩阵乘积:
>>> A = np.array([[1, 2], [3, 4]]) >>> B = np.array([[5, 6], [7, 8]]) >>> np.dot(A, B) array([[19, 22], [43, 50]])
参考资料
https://book.douban.com/subject/35225413/
这篇关于1、数学和Python的复习的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-05-08有遇到过吗?同样的规则 Excel 中 比Python 结果大
- 2024-03-30开始python成长之路
- 2024-03-29python optparse
- 2024-03-29python map 函数
- 2024-03-20invalid format specifier python
- 2024-03-18pool.map python
- 2024-03-18threads in python
- 2024-03-14python Ai 应用开发基础训练,字符串,字典,文件
- 2024-03-13id3 algorithm python
- 2024-03-13sum array elements python