#numpy 提供了專門的矩陣資料結構和線性代數庫，完全實現了向量化程式設計
import numpy as np
from numpy import *
mylist = [1,2,3,4,5]
a = 10
mymatrix = np.mat(mylist)
print (a*mymatrix)
#輸出結果為：[[10 20 30 40 50]]
#numpy 矩陣運算
myzero = np.zeros([3,5]) # 3*5 的全零矩陣
print(myzero)
myones = np.ones([3,5]) # 3*5 的全 1 矩陣
print(myones)
myrand = np.random.rand(3,4) # 3 行 4 列的 0~1 之間的隨機數矩陣
print( myrand)
myeye = np.eye(3) # 3*3 的單位陣
print (myeye)
myones = ones([3,3]) # 3*3 的全 1 矩陣
myeye = eye(3) # 3*3 的單位陣
print (myones+myeye) # 矩陣相加
print( myones-myeye )# 矩陣相減
mymatrix = mat( [[1,2,3],[4,5,6],[7,8,9]])
a = 10
print (a*mymatrix)
mymatrix = mat([[1,2,3],[4,5,6],[7,8,9]] )
print (sum(mymatrix))
mymatrix = mat( [[1,2,3],[4,5,6],[7,8,9]])
mymatrix2 = 1.5*ones([3,3])
print (multiply(mymatrix,mymatrix2))
mylist = mat( [[1,2,3],[4,5,6],[7,8,9]])
print (power(mymatrix,2))
mymatrix = mat([[1,2,3],[4,5,6],[7,8,9]])
mymatrix2 = mat([[1],[2],[3]])
print (mymatrix*mymatrix2)
mymatrix = mat([[1,2,3],[4,5,6],[7,8,9]])
print (mymatrix.t) # 矩陣的轉置
mymatrix.transpose() # 矩陣的轉置
print (mymatrix)
#矩陣操作： 行列數、切片、 複製
mymatrix = mat([[1,2,3],[4,5,6],[7,8,9]])
[m,n]=shape(mymatrix) # 矩陣的行列數
print ("矩陣的行數和列數:",m,n)
myscl1 = mymatrix[0] # 按行切片
print ("按行切片:",myscl1)
myscl2 = mymatrix.t[0] # 按列切片
print("按列切片:",myscl2)
mycpmat = mymatrix.copy() # 矩陣的複製
print ("複製矩陣:\n",mycpmat)
#比較print ("矩陣元素的比較:\n",mymatrix < mymatrix.t)
機器學習 向量化
向量化 傳統累加運算 實現 import time import numpy as np 定義兩組向量 vector1 np.random.rand 100000 vector2 np.random.rand 100000 使用向量化 start time time.time 開始時間 res np...
Numpy 向量化運算
1.numpy array與python list 相同點 可以通過索引獲取元素。遍歷 for x in a 不同點 numpy陣列中各元素都屬於同一型別。numpy擁有很多可以使用的函式，如mean std numpy陣列可以是多維的。2.運算 a np.array 1,2,3,4 b np.ar...
Numpy學習10 向量化和廣播
我們先看乙個numpy中向量化的例子 a np.arange 1,5 b np.arange 1,5 print a,b,a b 1 234 123 4 2 468 print a i b i for i in range 4 2,4,6,8 c x for x in range 1 5 d x f...