Python/Numpy中的秩为1的数组与向量的区别

本文探讨了Python中Numpy数组和向量的区别,特别是秩为1的数组。通过示例代码展示,当进行np.dot操作时,秩为1数组的转置不影响形状,导致结果是一个数值。在机器学习和神经网络编程中,建议使用特定方式定义矩阵以获得期望的矩阵乘法结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在Pthon中,通过Numpy定义数组或者矩阵时,需要注意数组和向量的区别

先来看一下下面这段代码

import numpy as np

a = np.random.randn(5)
b = np.dot(a, a.T)  ## a.T表示a的转置

print("a=",a)
print("a.shape =",a.shape)
print("a.T=",a.T)
print("a.t.shape =",a.T.shape)
print("b=",b)

你会得到什么样的输出呢?

a= [-0.02166131  0.21747619 -0.69452927 -0.02256078  0.46888393]
a.shape = (5,)
a.T= [-0.02166131  0.21747619 -0.69452927 -0.02256078  0.46888393]
a.t.shape = (5,)
b= 0.7504971360249943

从这个输出结果可以看出,a的转置并没有发生变化,因此在进行np.dot操作之后,得到的是一个数值。其中a就是一个秩为1的数组,a.shape也是一个看起来比较奇怪的样子(5,)  ,它的转置shape也是一样的。

在进行机器学习、神经网络编程时,为了让矩阵操作更加显性化,也更便于理解,建议采用如下方式定义矩阵。

import numpy as np

x = np.random.randn(5,1)
y = np.dot(x, x.T)

print("x=",x)
print("x.shape=",x.shape)
print("x.T",x.T)
print("x.T.shape=",x.T.shape)
print("y",y)

上例中显性的定义了一个矩阵x,5行1列,也就是一个列向量。那么输出的结果如下:</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值