Numpy小抄

这几天在赶工大作业，用到一些Numpy操作。年纪大了记性不好，总是查了忘忘了查，气死我了——打个小抄吧

基本操作

1. 矩阵乘法：np.matmul(A, B) OR np.dot(A, B) OR A@B

   其中matmul和dot在二维矩阵相乘情况下是一样的，高维矩阵相乘会不一样（暂时用不上就没研究）

   @是matmul的简便写法，在A和B都是np矩阵的情况下是一样的，但如果A和B是普通的list，matmul可以正常使用，@却不能

2. 生成全零/全一矩阵：np.zeros(shape)和np.ones(shape)

3. 单位阵：np.identity(n) OR np.eye(n, [m], [k])

   区别：identity只能生成单位方阵。eye生成的是对角线为1的矩阵，m和k都是可选参数，默认m=n，那就和identity没区别，k默认是0，控制的是对角线的位置

   再具体点可以看👉https://blog.csdn.net/m0_37393514/article/details/81455915

4. 排序：np.sort(A)

5. 排序，返回索引：np.argsort(A)

其它操作

1. np.array_split(arr, m)：可以把arr这个数组不均等分割成m个小数组。返回值是一个list，里面共m个元素，每个都是分割出的小数组

2. np.where()，分两种情况（参考的是https://www.cnblogs.com/massquantity/p/8908859.html）

   • np.where(condition)：返回满足condition的坐标（是坐标！）
   • np.where(condition, x, y)：满足condition对应位置为x，不满足condition对应位置为y

3. 统计矩阵A每一行非负元素的个数

   先来个判断是不是非负元素的矩阵：exist = (A>=0)

   再来个数个数的数组：factor = np.ones(exist.shape[1])

   乘一下就是结果了！

   exist = (A>=0)
   factor = np.ones(exist.shape[1])
   row_cnt = np.matmul(exist, factor)
   

• ← Previous Post
• Next Post →