numpy练习(2)

本文主要探讨numpy库的高级用法,包括矩阵运算、统计分析和数据处理等关键功能。通过实例解析,帮助读者提升numpy实战技能。
06_向量.py

from numpy import *
import numpy as np

# (1)数组(行向量)
# 创建及基本运算;
x1 = np.array([1, 2, 3, 4, 5])
x2 = np.array([5, 4, 3, 2, 1])
print("x1:", x1, "\nx2:", x2)
print("x1 * 5 + 2 =:", x1 * 5 + 2)
print("x2 * 5 + 2 =:", x2 * 5 + 2)
# 各元素分别计算x1 * 5 + 2
# 对应元素分别相乘

# (2)创建列向量(一维数组可视为一个行向量;如果要生成列向量,必须使用mx1的二维数组);
# 直接创建列向量
x3 = np.array([[1], [2], [3], [4], [5]])
print("x3:\n", x3)
# 将列向量转成1xm的行向量
x4 = x3.reshape(1, len(x3))
print("x4:", x4)

# 将一个一维数组转成列向量
x5 = x1.reshape(len(x1), 1)
print("x5:\n", x5)
# 借助mat类,然后通过转置实现列向量
x6 = mat([1, 1, 0, 0])
print("x6:", x6)
print("x6_T:\n", x6.T)

# 使用reshape方法, 将原来的一维数组变成了mx1形式的二维数组
print("x7:\n",x2.reshape(len(x2),1))
07_矩阵.py

from numpy import *
import numpy as np

# (1)mat形式的矩阵
# 创建矩阵
a1 = mat([[2, 3, 4], [5, 8, 2]])
print("a1:\n", a1)

# 矩阵与向量乘积
a2 = mat([2, 1, 6]).reshape(3, 1)
print("a2:\n", a2)
print("a1*a2=:\n", a1 * a2)

# 矩阵与矩阵
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