lens_的博客

numpy.where(condition[,x,y])返回元素，可以是x或y，具体取决于条件(condition)如果只给出条件，则返回condition.nonzero()。对于不同的输入，where返回的值是不同的。参数： ccondition：array_llike，bool   如果为True，则产生x，否则产生y。   x，y：array_li...

numpy.nonzero(a)返回非零元素的索引。返回一个数组元组，每个维度对应一个数组，包含该维度中非零元素的索引。可以通过以下方式获得相应的非零值：a[nonzero(a)]要按元素而不是维度对索引进行分组，请使用：transpose(nonzero(a))结果总是一个二维数组，每个非零元素都有一行。参数： a：array_like   输入数...

numpy.zeros(shape，dtype=float，order = 'C')返回给定形状和类型的新数组，用0填充。参数： shape：int 或 int 的元组   新阵列的形状，例如：（2，3）或2。   dtype：数据类型，可选   数组的所需数据类型，例如numpy.int8。默认是numpy.float64   ...

numpy.meshgrid（*xi，**kwargs）从一个坐标向量中返回坐标矩阵。参数： x1，x2，...，xn：array_like   表示网格坐标的一维数组。   indexing：｛'xy'，'ij'｝，可选   笛卡尔（'xy'，默认值）或矩阵（'ij'）输出索引。   sparse：布尔，可选   如果为True，则...

numpy.dot(a,b)如果a和b都是一维数组，那么它返回的就是向量的内积。import numpy as npc = np.arange(0,9)d = c[::-1]np.dot(c,d) Out[35]: 84如果a和b都是二维数组，那么它返回的是矩阵乘法。 import numpy as npa = [[1, 0], [0, 1]]b = [[4, 1...

1、linalg = linear（线性）+ algebra（代数），norm则表示范数。首先需要注意的是范数是对向量（或者矩阵）的度量，是一个标量（scalar）：2、函数参数x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)x: 表示矩阵（也可以是一维） ord：范数类型参数 说明 计算方...