分类：numpy

2021
03-23

详解Numpy扩充矩阵维度(np.expand_dims, np.newaxis)和删除维度(np.squeeze)的方法

在操作矩阵的时候，不同的接口对于矩阵的输入维度要求不同，输入可能为1-D，2-D，3-D等等。下面介绍一下使用Numpy进行矩阵维度变更的相关方法。主要包括以下几种：1、np.newaxis扩充矩阵维度2、np.expand_dims扩充矩阵维度3、np.squeeze删除矩阵中维度大小为1的维度np.newaxis，np.expand_dims扩充矩阵维度：importnumpyasnpx=np.arange(8).reshape(2,4)print(x.shape)#添加第0维,输出shape->(1,2,4)x1=x[np.newaxi... 继续阅读 >

2021
03-23

Numpy中的shape函数的用法详解

shape函数的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度,相当于行数。它的输入参数可以是一个整数表示维度，也可以是一个矩阵。shape函数返回的是一个元组，表示数组（矩阵）的维度，例子如下：1.数组（矩阵）只有一个维度时，shape只有shape[0]，返回的是该一维数组（矩阵）中元素的个数，通俗点说就是返回列数，因为一维数组只有一行，一维情况中array创建的可以看做list（或一维数组），创建时用（）和[]... 继续阅读 >

2021
03-23

Numpy实现矩阵运算及线性代数应用

一、创建矩阵的方法importnumpyasnp#1直接创建mat=np.mat("123;456;789")print(mat)#2使用numpy数组创建矩阵mat2=np.mat(np.arange(1,10).reshape(3,3))print(mat2)#3从已有的矩阵中通过bmat函数创建A=np.eye(2)B=A*2mat3=np.bmat("AB;BA")print(mat3)#类似于拼接二、矩阵运算 2.1随机函数表随机函数1 随机函数2*2.2部分实例mat1=np.mat(np.array([2,6,5]))mat2=np.mat(np.array([2,6,5]))2.2.1加法—np... 继续阅读 >

2021
03-23

numpy数组合并和矩阵拼接的实现

Numpy中提供了concatenate,append,stack类(包括hsatck、vstack、dstack、row_stack、column_stack),r_和c_等类和函数用于数组拼接的操作。各种函数的特点和区别如下标：concatenate提供了axis参数，用于指定拼接方向append默认先ravel再拼接成一维数组，也可指定axisstack提供了axis参数，用于生成新的维度hstack水平拼接，沿着行的方向，对... 继续阅读 >

2021
03-23

numpy和tensorflow中的各种乘法(点乘和矩阵乘)

点乘和矩阵乘的区别： 1)点乘(即“*”)----各个矩阵对应元素做乘法若w为 m*1 的矩阵，x为 m*n 的矩阵，那么通过点乘结果就会得到一个 m*n 的矩阵。若w为 m*n 的矩阵，x为 m*n 的矩阵，那么通过点乘结果就会得到一个 m*n 的矩阵。w的列数只能为 1 或 与x的列数相等(即n)，w的行数与x的行数相等 才能进行乘法运算。2)矩阵乘----... 继续阅读 >

2021
03-22

NumPy 矩阵乘法的实现示例

NumPy支持的几类矩阵乘法也很重要。元素级乘法你已看过了一些元素级乘法。你可以使用multiply函数或*运算符来实现。回顾一下，它看起来是这样的：m=np.array([[1,2,3],[4,5,6]])m#显示以下结果：#array([[1,2,3],#[4,5,6]])n=m*0.25n#显示以下结果：#array([[0.25,0.5,0.75],#[1.,1.25,1.5]])m*n#显示以下结果：#array([[0.25,1.,2.25],#[4.,6.25,9.]])np.multiply(m,n)#相当于... 继续阅读 >

2021
03-16

python 将numpy维度不同的数组相加相乘操作

第一种np矩阵可以直接与标量运算>>>importnumpyasnp>>>arr1=np.arange(12).reshape([2,2,3])>>>arr1array([[[0,1,2],[3,4,5]],[[6,7,8],[9,10,11]]])>>>arr1*5array([[[0,5,10],[15,20,25]],[[30,35,40],[45,50,55]]])>>>arr1-5array([[[-5,-4,-3],[-2,-1,0]],[[1,2,3],[4,5,6]]])>>>arr1**2array([[[0,1,4],[9,16,25]],[[36,49,64],[81,100,121]]])第二... 继续阅读 >

2021
03-12

numpy的sum函数的axis和keepdim参数详解

一.axisaxis就是指定轴。三维数组可看作元素是二维数组的一维数组，二维数组可看作元素是一维数组的一维数组。（这么理解就舒服了！）例：axis=2就是三维数组对最里面那一层即每个一维数组内部进行求和。axis=0就是对最外面那一层的元素之间作和。例子戳这里二.keepdim可以理解为'keepdims=True'参数是为了保持结果的维度与原始array相同，即keepdimension保持维度.importnumpyasnpb=np.arange(12)b=b.reshape(2,6)print(... 继续阅读 >

2021
03-11

Python 用NumPy创建二维数组的案例

前言上位机实战开发先放一放，今天来学习一个新的内容—NumPy的使用1一维数组例：用普通方法生成一维数组num=[0foriinrange(1,5)]#创建一维数组print(num)#打印数组print("-"*50)#分割线num[2]=6#将第三个元素修改位6print(num)#打印数组print("-"*50)#分割线运行结果例：用numpy生成一维数组fromnumpyimport*m1=arange(5)print(m1)print("-"*50)#分割线运行结果2二维数组例：用普通方法生成二维数组nu... 继续阅读 >

2021
03-11

python numpy中mat和matrix的区别

个人理解：np.mat()importnumpyasnpb=np.mat（a）是将a转化为矩阵如果a本身是矩阵，就是创建a的一个引用，相当于：np.matrix(a,copy=False)无论a和b哪一个发生改变都会影响矩阵本身。如果a不是矩阵，此时b就是a转化成矩阵的结果，是在原有的基础上进行copy().np.matrix()单纯的是创建一个矩阵。补充：python中numpy模块下函数array()和mat()的区别1.mat()函数与array()函数生成矩阵所需的数据格式有区别(1)mat()函数中数据可... 继续阅读 >

2021
03-05

numpy实现RNN原理实现

首先说明代码只是帮助理解，并未写出梯度下降部分，默认参数已经被固定，不影响理解。代码主要实现RNN原理，只使用numpy库，不可用于GPU加速。importnumpyasnpclassRnn():def__init__(self,input_size,hidden_size,num_layers,bidirectional=False):self.input_size=input_sizeself.hidden_size=hidden_sizeself.num_layers=num_layersself.bidirectional=bidirectionaldeffeed(self,x):... 继续阅读 >

2021
02-21

Numpy ndarray 多维数组对象的使用

介绍目前它是Python数值计算中最为重要的基础包，将numpy的数组的对象作为数据交互的通用语，一般我们要充分理解好矩阵计算的原理，这需要你要有一些线性代数的基础知识。在对数据处理、清洗、构造子集、过滤、变换以及其他计算的过程快速的进行向量化计算，后续也会介绍R语言，因为R语言就是一个原生态基于向量化计算的编程语言。Numpy的核心特征之一就是一个N维数组对象——ndarray,这是一个快速灵活的大型数据集容器，可以进行... 继续阅读 >

2021
02-01

python中numpy数组与list相互转换实例方法

python的使用之所以方便，原因之一就是各种数据类型各样轻松的转换，例如numpy数组和list的相互转换，只需要函数方法的使用就可以处理。numpy数组使用numpy中的array()函数转换为list，list转使用tolist()方法转换为numpy数组，本文将向大家演示相互转换的过程。1、numpy数组转list：使用numpy中的array()函数np.array(a)array([3.234,34.,3.777,6.33])#转换后，可进行np.array的方法计算2、list转numpy数组：使用tolist(... 继续阅读 >

2021
01-29

python使用numpy中的size()函数实例用法详解

在python中，提到如何计算多维数组和矩阵，那一定会想到numpy。numpy定义了矩阵和数组，为它们提供了相关的运算。size中文解释为大家、尺寸的意思，如果想要统计矩阵元素个数，使用size()函数就可以解决。1、Numpysize()函数主要是用来统计矩阵元素个数，或矩阵某一维上的元素个数的函数。2、使用语法numpy.size(a,axis=None)3、使用参数a：输入的矩阵axis：int型的可选参数，指定返回哪一维的元素个数。当没有指定时，返回整个... 继续阅读 >

2021
01-08

Numpy中的数组搜索中np.where方法详细介绍

numpy.where(condition[,x,y])numpy.where()有两种用法：1.np.where(condition,x,y)满足条件(condition)，输出x，不满足输出y。如果是一维数组，相当于[xvifcelseyvfor(c,xv,yv)inzip(condition,x,y)]>>>aa=np.arange(10)>>>np.where(aa,1,-1)array([-1,1,1,1,1,1,1,1,1,1])#0为False，所以第一个输出-1>>>np.where(aa>5,1,-1)array([-1,-1,-1,-1,-1,-1,1,1,1,1])>>>np.where([[True,F... 继续阅读 >

2020
12-10

Python OpenCV中的numpy与图像类型转换操作

PythonOpenCV存储图像使用的是Numpy存储，所以可以将Numpy当做图像类型操作，操作之前还需进行类型转换，转换到int8类型importcv2importnumpyasnp#使用numpy方式创建一个二维数组img=np.ones((100,100))#转换成int8类型img=np.int8(img)#颜色空间转换，单通道转换成多通道，可选可不选img=cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)cv2.imwrite("demo.jpg",img)补充知识：Python中读取图片并转化为numpy.ndarray()数... 继续阅读 >